多目标粒子群优化的支持向量机及其在齿轮故障诊断中的应用

作     者：王维刚 刘占生 WANG Wei-gang;LIU Zhan-sheng

作者机构：哈尔滨工业大学能源科学与工程学院黑龙江哈尔滨150001 东北石油大学机械科学与工程学院黑龙江大庆163318 

出 版 物：《振动工程学报》 (Journal of Vibration Engineering)

年 卷 期：2013年第26卷第5期

页      面：743-750页

核心收录：

学科分类：080202[工学-机械电子工程] 08[工学] 080203[工学-机械设计及理论] 0802[工学-机械工程] 080201[工学-机械制造及其自动化] 

基　　金：国家自然科学基金资助项目(50875056) 黑龙江省教育厅科学技术研究项目(12521058) 

主　　题：故障诊断 齿轮 多目标粒子群优化 支持向量机 

摘      要：支持向量机是基于结构风险最小化原则的分类方法,其模型的分类准确度及泛化能力取决于惩罚系数、核函数及核参数的选取。参数的选择通常采用经验法、试凑法或单目标优化法,上述方法费时费力且不能达到全局最优。文中选取错误分类率及支持向量占有率两个目标函数,采用多目标粒子群算法优化惩罚系数及核函数参数。训练阶段采用多目标粒子群算法产生多个优化解,测试阶段评估这些解的优劣。通过齿轮故障分类实例进行了设计方法的验证,首先对振动信号进行预处理,然后以小波包系数标准差并降维处理后作为分类器的输入特征向量,最后用本文方法区分4种典型故障,试验结果表明了设计方法的有效性,并证明了应用混合核函数的支持向量机分类具备较高的准确率及较强的泛化性能。