《表1 SAML方法5次实验的最优和平均分类精度》
%
遗传算法GA用来寻找支持向量机SVM最优参数,其中设置种群大小为20,最大迭代次数为200,SVM的惩罚函数C和核函数ε的搜索范围都设置为0到500,每个故障条件下选取100个数据集,其中20个为训练集用于训练GA-SVM,80个为测试集。分别进行5次实验,取不同故障条件下的最优值和5次实验的平均值。使用GA-SVM在不同故障条件下滚动轴承故障诊断的分类精度如表1所示。分析表1可知故障类型识别和轴承退化程度识别精度最优都可达100%,平均识别精度达到99%以上,从而证明了该方法的可靠性。另外,多次实验取平均值发现,无论是轻微故障,还是严重故障,平均分类精度均可以达到99%以上,这也说明了本文提出的方法具有较好的灵敏性。实验结果表明,本文方法一方面能够准确地识别出不同的故障类型;另一方面对轴承退化程度也有较好的诊断能力。
图表编号 | XD00201530800 严禁用于非法目的 |
---|---|
绘制时间 | 2021.02.01 |
作者 | 陈明月、刘三阳 |
绘制单位 | 西安电子科技大学数学与统计学院、西安电子科技大学数学与统计学院 |
更多格式 | 高清、无水印(增值服务) |