排序方式: 共有1条查询结果,搜索用时 31 毫秒
1
1.
针对支持向量机(support vector machine,SVM)的分类性能受自身参数选择影响较大的问题,提出了基于麻雀搜索算法(sparrow search algorithm,SSA)优化SVM的故障诊断方法.利用麻雀搜索算法(SSA)对支持向量机的惩罚参数(C)与核参数(g)进行优化,并构建SSA-SVM滚动轴承故障诊断模型.结果表明:对于滚动轴承的常见故障,SSA-SVM诊断模型的测试正确率为96.67%,比传统的遗传算法(genetic algorithm,GA)-SVM和粒子群算法(particle swarm optimization,PSO)-SVM诊断模型分别提高3.34%和1.67%,且收敛速度更快,可有效应用于故障诊断. 相似文献
1