10.3969/j.issn.1002-087X.2016.01.031
基于GA+SVM的航空铅酸蓄电池健康评估
针对航空铅酸蓄电池健康状况评估本身所存在的小样本、非线性和复杂性等特点,结合支持向量机(support vector machine,SVM)和遗传算法(genetic algorithm,GA),提出了一种新的航空铅酸蓄电池健康评估模型.由于支持向量机的分类准确率很大程度上取决于参数的选取,因此利用遗传算法对SVM模型参数进行优化,以得到优化的支持向量机的评估模型.为了验证该模型的有效性,利用中国民用航空飞行学院航空铅酸蓄电池的实测数据进行了验证,实验结果表明该模型的分类精度高达96.25%,该评估模型是可行的,并且为航空铅酸蓄电池的健康评估提供了一种新思路.
支持向量机、遗传算法、健康状况评估、航空铅酸蓄电池
40
TM912
中国民航飞行学院自然科学面上项目XM0514,XM1410
2016-05-11(万方平台首次上网日期,不代表论文的发表时间)
共3页
103-104,116