《表2 单点损伤直径0.177 8 mm寻优与诊断结果》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于双树复小波包和改进SVM的轴承故障诊断》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

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。