文献类型：期刊文章

作　　者：石志标[1] 苗莹[1]

机构地区：[1]东北电力大学机械工程学院,吉林132012

出　　处：《振动与冲击》

基　　金：吉林省科技发展计划项目(20100506)

年　　份：2014

卷　　号：33

期　　号：22

起止页码：111-114

语　　种：中文

收录情况：BDHX、BDHX2011、CSA、CSA-PROQEUST、CSCD、CSCD2013_2014、EI(收录号：20145100335326)、IC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：为解决支持向量机算法(Support Vector Machine,SVM)的核函数参数及惩罚因子参数选取的盲目性,利用果蝇优化算法(Fruit Fly Optimization Algorithm,FOA)对SVM中参数进行优化。提出基于FOA的SVM故障诊断算法,并对汽轮机故障实验数据进行模式识别。该算法能对SVM相关参数自动寻优,且能达到较理想的全局最优解。通过与常用的粒子群算法(Particle Swarm Optimization,PSO)与遗传算法(Genetic Algorithm,GA)优化后支持向量机进行对比。结果表明,FOA-SVM算法稳定、识别速度快、识别率高。

关 键 词：支持向量机 汽轮机 振动诊断  果蝇算法  

分 类 号：TK267]