改进粒子群算法优化的支持向量机在滚动轴承故障诊断中的应用

来源：机械与电子杂志2019年第01期北京时间：

作者：吕明珠１;２;苏晓明１;陈长征１;刘世勋３

单位： １．沈阳工业大学机械工程学院，辽宁 沈阳 １１０８７０；

摘要：针对惩罚因子犆和核参数犵选择不当造成支持向量机（ＳＶＭ）分类效果不理想的问题，在基本粒子群（ＰＳＯ）算法基础上引入动态惯性权重、全局邻域搜索、种群收缩因子、粒子变异概率等操作，提出了一种新 的改进型粒子群（ＩＰＳＯ）算法优化 ＳＶＭ 参数的分类器。采用 Ｌｉｂｓｖｍ 工具箱中的公共数据集 ＢｒｅａｓｔＴｉｓｓｕｅ， Ｈｅａｒｔ和 Ｗｉｎｅ来测试其分类效果，结果表明ＩＰＳＯ ＳＶＭ 分类器在预测精度和分类时间上明显优于ＳＶＭ 和 ＰＳＯ- ＳＶＭ 分类器。然后将其应用于滚动轴承的二分类问题和多分类问题的故障诊断中，仿真实验证明ＩＰＳＯ- ＳＶＭ 分类器能显著提高全局收敛能力和收敛速度，可得到理想的分类结果。最后，用ＩＰＳＯ ＳＶＭ 分类器对实际轴承进行故障诊断，结果验证了其拥有良好的分类稳定性，值得进一步在工程领域内推广。

关键词：支持向量机;参数优化;改进粒子群算法;滚动轴承;故障诊断