《表3 PSO-SVM粒子群数的分类准确性》
实验表明C和γ的参数设置对识别率有一定影响。因此,对比PSO-SVM和AFSA-SVM分类的结果。实验使用了50组数据,分别为正常叶轮和穿孔损伤、边缘损伤、叶片损伤3种故障叶轮,共200组被使用了。其中,有100个用于训练,有100个是测试样本集。运行了300次PSO参数迭代,学习因子为c1=2,c2=2。,PSn表示种群粒子数(Particle Swarm Number),AFSn表示人工鱼群数(Artificial Fish Swarm Number),并且移动步长为0.5。表3所示为PSO实验结果,而AFSA实验结果如表4所示。从表3中可以看出,随着种群规模扩大,诊断时间也随之增加。支持向量数也随粒子数而变化。当粒子群数为20时,精度最高,所需时间也更短。表4中的结果表明,当人工鱼数量在10~20时,精度最高。实验数据表明,AFSA比PSO更好,并且可以在更短的计算时间内以更小的支持向量数获得更准确的结果。
图表编号 | XD00198781500 严禁用于非法目的 |
---|---|
绘制时间 | 2020.12.20 |
作者 | 柯耀、王琪 |
绘制单位 | 武汉工程大学机电工程学院、武汉工程大学机电工程学院 |
更多格式 | 高清、无水印(增值服务) |