彭丹
- 作品数：1 被引量：19H指数：1
- 供职机构：重庆邮电大学更多>>
- 发文基金：重庆市教育委员会科学技术研究项目更多>>
- 相关领域：交通运输工程自动化与计算机技术机械工程更多>>
- 基于PSO-SVM的发动机故障诊断研究被引量：19
- 2014年
- 针对发动机的故障分类问题,提出了一种基于粒子群(PSO)优化支持向量机(SVM)的发动机故障诊断方法,采用粒子群算法优化支持向量机的惩罚系数C和核宽度系数σ,并在MATLAB环境下对发动机进行故障类别诊断,通过对发动机典型故障的诊断研究表明,采用PSO-SVM算法模型的故障诊断的精确度和效率都得到了提高,该方法与BP神经网络、PSO-BP、标准SVM相比,有较高的分类准确率,准确率可高达100%;与GA-SVM方法相比,诊断效率有所提高,从而验证了该方法在发动机故障诊断中的有效性。
- 冯辉宗彭丹袁荣棣
- 关键词：粒子群优化算法支持向量机发动机故障诊断
