PSO-SVM在提升机制动系统故障诊断中的应用
来源期刊:机械设计与制造2018年第6期
论文作者:卢亚洲 王学文 杨兆建 高玉光
文章页码:239 - 242
关键词:粒子群优化算法;支持向量机;故障诊断;矿井提升机制动系统;监测;
摘 要:针对矿井提升机制动系统故障样本少难以准确诊断,提出支持向量机(SVM)的故障诊断方法。为了解决支持向量机参数选择困难和其对于故障诊断的影响,提出利用粒子群优化算法(PSO)对支持向量机的参数进行优化,提高提升机故障诊断分类的准确率。利用组态王进行数据的采集,并且将采集的数据通过数据库传输到网页监测画面实现远程监测。实验结果显示,该故障诊断方法的故障分类准确率很高,响应速度快,并且可以实现网页监控画面和故障诊断所需数据实现共享。
卢亚洲1,2,王学文1,2,杨兆建1,2,高玉光1,2
1. 太原理工大学机械工程学院2. 煤矿综采装备山西省重点实验室
摘 要:针对矿井提升机制动系统故障样本少难以准确诊断,提出支持向量机(SVM)的故障诊断方法。为了解决支持向量机参数选择困难和其对于故障诊断的影响,提出利用粒子群优化算法(PSO)对支持向量机的参数进行优化,提高提升机故障诊断分类的准确率。利用组态王进行数据的采集,并且将采集的数据通过数据库传输到网页监测画面实现远程监测。实验结果显示,该故障诊断方法的故障分类准确率很高,响应速度快,并且可以实现网页监控画面和故障诊断所需数据实现共享。
关键词:粒子群优化算法;支持向量机;故障诊断;矿井提升机制动系统;监测;