基于KPCA和PSO-SVM組合算法的齒輪裂紋故障信號(hào)診斷

摘要： 為了彌補(bǔ)支持向量機(jī)（SVM）會(huì)造成局部極小或出現(xiàn)過(guò)擬合情況，把粒子群優(yōu)化（PSO）加到SVM模型內(nèi)，完成SVM模型核函數(shù)的優(yōu)化效果。針對(duì)齒輪裂紋故障診斷情況，設(shè)計(jì)了一種基于核主成分分析（KPCA）和PSO-SVM組合算法，并開(kāi)展實(shí)際信號(hào)分析。研究結(jié)果表明：以PSO優(yōu)化SVM核函數(shù)達(dá)到了高精度，獲得更高分類(lèi)精度。頻域特征會(huì)降低分類(lèi)精度，頻域特征具備比時(shí)域特征更高精度。相比較其他算... （共5頁(yè)）