《表2 单点损伤直径0.177 8 mm寻优与诊断结果》
为了分析AFSA-SVM模型的诊断效果,本文对比设置传统的SVM诊断方法,模型采用交叉验证和网格搜索的方法来选择惩罚系数和核参数。为了避免诊断结果的偶然性,分别对AFSA-SVM和传统SVM模型进行四次仿真实验,由于每次实验训练样本和测试样本是随机选择的,惩罚系数和核参数是跟随变化的,不同损伤情况的分类结果分析见表2和表3。滚动轴承故障识别采用AFSA优化的SVM和传统SVM诊断模型的准确率均可以达到95%;对于单点损伤直径不同的特征样本,AFSA-SVM模型的诊断精度要优于标准的SVM模型。
图表编号 | XD00150173200 严禁用于非法目的 |
---|---|
绘制时间 | 2020.09.01 |
作者 | 杨宇、曾国辉、黄勃 |
绘制单位 | 上海工程技术大学电子电气工程学院、上海工程技术大学电子电气工程学院、上海工程技术大学电子电气工程学院 |
更多格式 | 高清、无水印(增值服务) |