基于人工蜂群算法的KPCA特征优化提取

作     者：李强 杨大炼 黄文庆 江凯 Li qiang;Yang Dalian;Huang Wenqin;Jiang Kai

作者机构：湖南工业职业技术学院机械工程系长沙410208 中南大学机电工程学院长沙410083 

出 版 物：《机械设计与研究》 (Machine Design And Research)

年 卷 期：2015年第31卷第1期

页      面：65-69页

学科分类：08[工学] 081101[工学-控制理论与控制工程] 0811[工学-控制科学与工程] 081102[工学-检测技术与自动化装置] 

基　　金：湖南省科技计划资助项目(2012GK3094) 湖南省教育厅科学研究项目优秀青年专项(14B052) 

主　　题：人工蜂群算法 核主元分析(KPCA) 特征提取 故障诊断 

摘      要：采用KPCA进行特征提取时,其核函数参数对轴承故障特征的可分性影响很大,直接影响轴承故障诊断的准确率,而使最优的核参数难以选取。针对这一问题,采用人工蜂群算法与KPCA相结合,提出了基于人工蜂群算法的KPCA核参数优化选取方法,并实现了滚动轴承故障特征的优化提取。试验结果表明,该方法能够最大程度提高故障样本的可分性和SVM模型的分类精度;同时通过对比分析遗传算法、粒子群算法及人工蜂群算法的优化结果,验证了该方法具有更好的寻优能力。