IPSO-RVM的轴承故障识别方法

摘要：

针对轴承故障诊断过程中传统粒子群优化支持向量机所存在的分类效果较差以及传统粒子群寻优不准确的问题,提出改进粒子群算法优化相关向量机的方法.利用自适应的惯性权重和加速因子,使粒子前期的搜索速度更快,后期的收敛速度更快;构建改进粒子群优化相关向量机(IPSO-RVM)模型和改进粒子群优化支持向量机(IPSO-SVM)模型,与粒子群优化支持向量机(PSO-SVM)模型进行相互对比实验.经仿真实验验证,IPSO-RVM的分类准确率比IPSO-SVM高5.8％,比PSO-SVM高8.7％;IPSO-RVM的运行时间为比IPSO-SVM与PSO-SVM分别慢0.58 s与4.28 s.综上,与PSO-SVM和IPSO-SVM相比,新方法能够在保证时间运行合理的情况下提高分类准确率.

关键词：改进粒子群、相关向量机、故障诊断、惯性权重、加速因子

所属期刊栏目：27

分类号：TH17

资助基金：山东省自然科学基金项目;山东省自然科学基金项目

在线出版日期：2023-01-13（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：64-69