加急见刊

基于改进支持向量机的风电机组故障分类识别

常勇; 杨梅 兰州石化职业技术学院电子电气工程学院; 甘肃兰州730060; 武威市凉州区职业中等专业学校; 甘肃武威733000

摘要：针对支持向量在分类过程中,特别是对于非线性可分问题,如果采用不同的核函 数,支持向量机（ SVM）可以构造不同的学习机器和分类模型,从而导致分类算法复杂且 分类精度较低.研究了 SVM的轴承诊断原理,测试诊断方案及原始测试数据的特征提 取,最后进行了数据训练和测试实验仿真,然后对风力发电机组机械故障进行诊断,实验 说明了改进后的SVM故障分类方法的可行性和有效性.在建立故障分类模型之后,采用 网格搜索法、遗传算法、粒子群算法对支持向量机的惩罚参数C 和径向基核函数参数y 进行优化选择,通过分析发现故障分类精度提升比较明显.

注: 保护知识产权,如需阅读全文请联系兰州石化职业技术学院学报杂志社