基于优化的支持向量机的机械设备多故障诊断模型.pdfVIP

第26卷第1期 计算机应用与软件 Vo1．26No．1 2009年 1月 ComputerApplicationsandSoftware Jan．2009 基于优化的支持 向量机的机械设备多故障诊断模型 蒋 维 钟小强 陈 开 李 炎 (中国科学技术大学精密机械与精密仪器系 安徽 合肥 230027) 摘 要 提出了一种基于遗传算法优化支持向量机的故障诊断模型。它利用遗传算法对支持向量机同时对传统的时域特征参量 子集和核参数同时优化，以达到选择最优的设备故障主导特征参数组合的目的，实现对机器不同类型故障的识别。对齿轮故障诊断 的结果表明它有效提高亍多分类支持向量机的故障分类准确性。 关键词 支持向量机 遗传算法 特征选择 故障诊断 ⅡCHANICALEQUⅡ，]MENTFAULTDETECTIoNMODELBASED oN GA oPT】]、IZATIoN AND SVM JiangWei ZhongXiaoqiang ChenKai LiYan (DepartmentofPrec~ nMachineryandPrecisionInstrumentation，UniversityofScienceandTechnologyofChina，Hefei230027，Anhui，China) Abstract Anewclassificationmodelbasedongeneticprogramming(GA)andsuppo~vectormachine(SVM)formachinefaultdiagnosis isproposed．ThemodeladoptsthehybridGA—SVM strategywhichsimultnaeouslyperformstheoptimizationofconvention~ timedomainfea· turesparameterssubsetandcorepraametersofrachievingthegoalofselectingtheoptimalfeaturepraameters combinationrelatedtofaultof mechanicalequipment，andrealizingtherecong itionof differentkindsoffaultsof machines．Experimentsofgearsfaultdetectionshowsthe classificationabilityofmulti-classsupportvectormachineisimprovedafterfeatureextractionandselection． Keywords Supportvectormachine Geneticalgorithm Featureselection Faultdetection 训练样本作为一类，类别标号为Y。=1，将除去m类之外的其余 0 引 言 所有类别的训练样本作为一类，类别标号为)，=一1。优化后可 建立第m个分类器的分类输出函数为： 故障特征的选择与提取是诊断技术的关键环节，选择与提 ()=signl∑a?yTK(x。，)+b} 取出优质的故障特征可以提高诊断的效率和准确率。在机械故 首先将测试数据样本 输入分类器，若判别式， ()=1， 障诊断过程中，由于诊断对象的复杂性，事先无法确定故障特征 则判定为类别 1，测试结束，依次类推。综上所述，以最优特征变 和故障类别的