基于参数优化的支撑矢量机及其在故障诊断中的应用

doi:10.3969/j.issn.1674-0696.2017.10.20

重庆交通大学学报（自然科学版） ›› 2017, Vol. 36 ›› Issue (10): 119-122.DOI: 10.3969/j.issn.1674-0696.2017.10.20

• 车辆与机电工程 • 上一篇

基于参数优化的支撑矢量机及其在故障诊断中的应用

陈虎

(重庆市轨道交通(集团)有限公司，重庆400042)

收稿日期:2016-03-16 修回日期:2016-06-16 出版日期:2017-10-27 发布日期:2017-10-27
作者简介:陈虎(1982—)，男，山东冠县人，工程师，主要从事事故诊断与检测方面的研究。E-mail： chenhu531@163.com。
基金资助:
国家安全监管总局科技攻关项目(zhishu-031-2013AQ)

Support Vector Machine Based on Parameter Optimization and Its Application in Fault Diagnosis

CHEN Hu

(Chongqing Rail Transit (Group)Co.Ltd.，Chongqing400042，P.R.China)

Received:2016-03-16 Revised:2016-06-16 Online:2017-10-27 Published:2017-10-27

摘要/Abstract

摘要： 为了有效的诊断出设备的故障，给出了一种基于参数优化的支撑矢量机算法。该算法首先引入免疫克隆选择机制，以两个十进制数表示一个抗体来构建抗体群，以漏报率为基础构造亲和度函数，实现支撑矢量机参数的优化。然后使用优化后的参数构造支撑矢量分类器对设备数据进行分类检测。通过在汽轮发电机组的数据集上进行仿真验证，实验结果表明，该算法相对传统的支撑矢量机算法不会显著增加训练时间，并且能够有效提高检测率和降低误检率。

关键词: 机电工程, 故障诊断, 支撑矢量机, 参数优化, 免疫克隆算法

Abstract: In order to effectively diagnose the fault of the equipment，a support vector machine algorithm based on parameter optimization was proposed.Firstly，the immune clonal selection mechanism was introduced.The antibody group was constructed，in which an antibody was expressed in two decimal numbers.Then，the affinity function was established on the basis of the missing report rate.Thus，the parameters of support vector machine were optimized.After that，the support vector classifier with optimized parameters was constructed and used to classify and detect the equipment data.Simulation verification was carried out on the data of turbo generator set.The simulation results indicate that the proposed algorithm does not significantly increase the training time，compared with the traditional support vector machine algorithm.Moreover，it can effectively improve the detection rate and reduce the false detection rate.

Key words: electromechanical engineering, fault diagnostics, support vector machines, parameter optimization, immune clone algorithm

中图分类号:

TH17

陈虎. 基于参数优化的支撑矢量机及其在故障诊断中的应用[J]. 重庆交通大学学报（自然科学版）, 2017, 36(10): 119-122.

CHEN Hu. Support Vector Machine Based on Parameter Optimization and Its Application in Fault Diagnosis[J]. Journal of Chongqing Jiaotong University(Natural Science), 2017, 36(10): 119-122.

参考文献

［1］ SIMANI S，FANTUZZI C.Fault diagnosis in power plant using neural networks［J］.Information Sciences an International Journal，
2000，127(3/4)：125-136.
［2］ MURALIDHARAN V，SUGUMARAN V，INDIRA V.Fault diagnosis of mono-block centrifugal pump using SVM［J］.Engineering Science and
Technology an International Journal，2014，17(3)：152-157.
［3］陆百川，张凯，马庆禄，等.基于数据驱动的数据故障诊断模型［J］.重庆交通大学学报(自然科学版)，2014，33(5)：111-115.
LU Baichuan，ZHANG Kai，MA Qinglu，et al.Data fault diagnosis model based on data-driven［J］.Journal of Chongqing Jiaotong
University
(Natural Science)，2014，33(5)：111-115.
［4］ JAYASWAL P，VERMA S N，WADHWANI A K.Application of ANN，fuzzy logic and wavelet transform in machine fault diagnosis using
vibration signal analysis［J］.Journal of Quality in Maintenance Engineering，2010，16(2)： 190-213.
［5］高振兴，郭创新，俞斌，等.基于多源信息融合的电网故障诊断方法研究［J］.电力系统保护与控制，2011，39(6)：17-23.
GAO Zhenxing，GUO Chuangxin，YU Bin，et al.Study of a fault diagnosis approach for power grid with information fusion based on
multi-
data resources［J］.Power System Protection and Control，2011，39(6)：17-23.
［6］陆百川，郭桂林，肖汶谦，等.基于多尺度主元分析法的动态交通数据故障诊断与修复［J］.重庆交通大学学报(自然科学版)，2016，35(1)：134
-137.
LU Baichuan，GUO Guilin，XIAO Wenqian，et al.Fault diagnosing and modifying of dynamic traffic data based on MSPCA［J］.Journal of
Chongqing Jiaotong University (Natural Science)，2016，35(1)：134-137.
［7］王波，刘树林，张宏利，等.相关向量机及其在机械故障诊断中的应用研究进展［J］.振动与冲击，2015，34(5)：145-153.
WANG Bo，LIU Shulin，ZHANG Hongli，et al.Advances about relevance vector machine and its applications in machine fault diagnosis
［J］.Journal of Vibration and Shock，2015，34(5)：145-153.
［8］ DU Haifeng，JIAO Licheng，WANG Sunan.Clonal operator and antibody clone algorithms［C］//International Conference on Machine
Learning and Cybernetics 2002 Proceedings.IEEE，2002： 506-510.
［9］ VAPNIK V N.The Nature of Statistical Learning Theory［M］.New York： Springer-Verlag，1995.

[1]	安治国，豆旺，李亚坤，王善明. 改进型并联流道液冷开关磁阻电机散热研究[J]. 重庆交通大学学报（自然科学版）, 2021, 40(06): 136-142.
[2]	陆百川1,2，张冬梅1，舒芹1，李玉莲1. 基于时空特性和灰色残差的交通故障数据诊断与修复[J]. 重庆交通大学学报（自然科学版）, 2020, 39(09): 8-16.
[3]	姜保军，周鹏飞. 一种永磁有限转角电机的磁场分析[J]. 重庆交通大学学报（自然科学版）, 2020, 39(08): 119-124.
[4]	邓任任1,2，左红兵1,2，何胜利1,2，田大伟1,2，邓烽1,2，宋锦海1,2. 船舶岸基供电多样化设计及其应用研究[J]. 重庆交通大学学报（自然科学版）, 2020, 39(05): 138-144.
[5]	唐飞1，李耀2，朱福成3. APM车辆导向力矩优化分析[J]. 重庆交通大学学报（自然科学版）, 2019, 38(12): 140-144.
[6]	唐飞1，马帅2，李耀2，徐笑寒3. 基于控制悬挂式单轨车辆侧滚的动力学参数优化研究[J]. 重庆交通大学学报（自然科学版）, 2019, 38(09): 116-121.
[7]	王强1,2，齐晓杰1，王云龙1，姜莉1，王国田1. 基于生命周期理论的工程翻新轮胎经济性模型及评价[J]. 重庆交通大学学报（自然科学版）, 2019, 38(05): 118-122.
[8]	安治国，刘高朋，高尉. 转子辅助槽对IPM性能的影响研究[J]. 重庆交通大学学报（自然科学版）, 2019, 38(04): 123-127.
[9]	吴华伟1，叶从进1,2，聂金泉1. 基于K-S检验法和ALTA的IGBT模块可靠性寿命分布研究[J]. 重庆交通大学学报（自然科学版）, 2019, 38(01): 119-124.
[10]	曹源文1，周华1，肖伟1，杨雪1，夏柱林2，郑南翔3. 基于ANSYS CFX的PVA纤维束搅拌分散作用机理研究[J]. 重庆交通大学学报（自然科学版）, 2019, 38(01): 125-130.
[11]	许广举，高鉴，赵洋. 三缸柴油机曲轴动平衡仿真分析研究[J]. 重庆交通大学学报（自然科学版）, 2019, 38(01): 131-136.
[12]	张敏，张鸿鑫，刘永臻，雷林. 内置压电悬臂梁流致振动能量收集实验研究[J]. 重庆交通大学学报（自然科学版）, 2018, 37(12): 133-137.
[13]	严国军1,2,3, 杨彦1, 顾建华1, 姚月琴1，祁淼1,4. 纯电动拖拉机机电耦合系统非线性振动分析[J]. 重庆交通大学学报（自然科学版）, 2018, 37(10): 123-132.
[14]	刘尊民1，刘庆元2，曲大义1，陈秀锋1,3. 智能交通系统中故障精确定位方法研究[J]. 重庆交通大学学报（自然科学版）, 2018, 37(07): 76-79.
[15]	梅建伟，田艳芳，罗敏，刘杰，魏海波. 异步电机矢量控制温度补偿技术研究[J]. 重庆交通大学学报（自然科学版）, 2018, 37(02): 123-128.

基于参数优化的支撑矢量机及其在故障诊断中的应用

Support Vector Machine Based on Parameter Optimization and Its Application in Fault Diagnosis

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics