改进粒子群算法优化的支持向量机在滚动轴承故障诊断中的应用

• 作 者: 吕明珠 苏晓明 陈长征 刘世勋
• 机 构: 沈阳工业大学机械工程学院,辽宁装备制造职业技术学院自控学院,中认（沈阳）北方实验室有限公司
• 出 处: 机械与电子
• 发表日期: 2019年1期
• 关键词: 支持向量机 参数优化 改进粒子群算法 滚动轴承 故障诊断 support vector machine parameter optimization impro
• 基金项目: 国家自然科学基金资助项目(51675350),高校应用性研究专项课题(2018YYYJ3),高校重点课题(2018XB014).

针对惩罚因子C和核参数g选择不当造成支持向量机(SVM)分类效果不理想的问题,在基本粒子群(PSO)算法基础上引入动态惯性权重、全局邻域搜索、种群收缩因子、粒子变异概率等操作,提出了一种新的改进型粒子群(IPSO)算法优化SVM参数的分类器。采用Libsvm工具箱中的公共数据集BreastTissue,Heart和Wine来测试其分类效果,结果表明IPSOSVM分类器在预测精度和分类时间上明显优于SVM和PSOSVM分类器。然后将其应用于滚动轴承的二分类问题和多分类问题的故障诊断中,仿真实验证明IPSOS