首页|改进粒子群优化的多类LS-SVM电机故障识别算法

改进粒子群优化的多类LS-SVM电机故障识别算法

Fault Diagnosis Algorithm of Multi-LS-SVM Classifier Electric Machine Based on Modified PSO

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 维普
  • 万方数据
传统电机故障诊断方法具有不确定性.多类LS-SVM方法所需样本较少、识别率高,可有效识别电机故障,但该方法计算过程中有庞大的矩阵求逆运算.为降低计算数据复杂度、提升训练速度,提出基于改进粒子群算法的电机故障识别算法.该算法依据种群收敛程度与个体自适应值调整惯性权重,选择一对余的LS-SVM多分类器结构,构造4个改进粒子群的多类LS-SVM分类器,识别电机4类故障.实验验证表明,该算法可保证电机故障识别结果准确率,具有较好的实用性和推广性.

陈义、郭香蓉、王世峰

展开 >

湖南工业职业技术学院汽车工程学院,湖南长沙410208

长沙理工大学电气与信息工程学院,湖南长沙410004

故障识别 电机 最小二乘支持向量机 粒子群优化 多分类器

GYKYZ201719

2021

10.11907/rjdk.201607

软件导刊
湖北省信息学会

软件导刊

影响因子：0.524
ISSN：1672-7800
年,卷(期)：2021.20(4)
  • 5
  • 2