本文主要研究内容
作者曹进华（2019）在《基于改进粒子群优化SVM的轴承故障识别研究》一文中研究指出：为了提高轴承故障严重程度识别的准确率,本文提出基于改进粒子群算法优化SVM的轴承故障识别方法。针对粒子群算法易陷入局部最优的不足,引入Levy飞行方式改进粒子群算法的寻优过程。在运算过程中,该方法通过粒子群的进化程度,将粒子种群动态的划分为较优子群和较差子群;较差子群以PSO算法为指导进行全局搜索,较优子群中引入Levy飞行方式,粒子围绕最优个体进行精细化的寻优过程;两个子群通过种群之间个体的重组和全局最优个体的更新实现信息交换。通过实验数据分析的结果表明:基于LPSO优化SVM参数提高了轴承故障识别的准确率,效果优于其他几种方法。
Abstract
wei le di gao zhou cheng gu zhang yan chong cheng du shi bie de zhun que lv ,ben wen di chu ji yu gai jin li zi qun suan fa you hua SVMde zhou cheng gu zhang shi bie fang fa 。zhen dui li zi qun suan fa yi xian ru ju bu zui you de bu zu ,yin ru Levyfei hang fang shi gai jin li zi qun suan fa de xun you guo cheng 。zai yun suan guo cheng zhong ,gai fang fa tong guo li zi qun de jin hua cheng du ,jiang li zi chong qun dong tai de hua fen wei jiao you zi qun he jiao cha zi qun ;jiao cha zi qun yi PSOsuan fa wei zhi dao jin hang quan ju sou suo ,jiao you zi qun zhong yin ru Levyfei hang fang shi ,li zi wei rao zui you ge ti jin hang jing xi hua de xun you guo cheng ;liang ge zi qun tong guo chong qun zhi jian ge ti de chong zu he quan ju zui you ge ti de geng xin shi xian xin xi jiao huan 。tong guo shi yan shu ju fen xi de jie guo biao ming :ji yu LPSOyou hua SVMcan shu di gao le zhou cheng gu zhang shi bie de zhun que lv ,xiao guo you yu ji ta ji chong fang fa 。
论文参考文献
论文详细介绍
论文作者分别是来自现代信息科技的曹进华，发表于刊物现代信息科技2019年12期论文，是一篇关于粒子群算法论文,支持向量机论文,故障识别论文,滚动轴承论文,现代信息科技2019年12期论文的文章。本文可供学术参考使用，各位学者可以免费参考阅读下载，文章观点不代表本站观点，资料来自现代信息科技2019年12期论文网站，若本站收录的文献无意侵犯了您的著作版权，请联系我们删除。
标签：粒子群算法论文; 支持向量机论文; 故障识别论文; 滚动轴承论文; 现代信息科技2019年12期论文;