發(fā)布時(shí)間：2018-11-08 19:56

【摘要】：針對(duì)基本和聲搜索算法在優(yōu)化支持向量機(jī)參數(shù)時(shí),其局部搜索能力不足且后期收斂速度比較慢的缺點(diǎn),提出利用改進(jìn)和聲搜索算法對(duì)支持向量機(jī)相關(guān)參數(shù)進(jìn)行選擇優(yōu)化(IHS-SVM)的方法。在這一方法中,將原算法中控制參數(shù)—記憶庫(kù)取值概率(HMCR)、微調(diào)概率(PAR)和調(diào)節(jié)寬度(bw)由靜態(tài)值改進(jìn)為隨迭代次數(shù)的不同而進(jìn)行動(dòng)態(tài)變化。通過(guò)對(duì)UCI中的2個(gè)數(shù)據(jù)集進(jìn)行分類(lèi)正確率測(cè)試,并與未優(yōu)化的支持向量機(jī)(SVM)和基本和聲算法優(yōu)化的支持向量機(jī)(HS-SVM)測(cè)試結(jié)果對(duì)比,證明了該改進(jìn)方法的優(yōu)越性。最后,將其用于柴油機(jī)故障診斷,并將分類(lèi)正確率與未優(yōu)化SVM和HSSVM分類(lèi)結(jié)果進(jìn)行比較,進(jìn)一步說(shuō)明改進(jìn)和聲搜索算法優(yōu)化的支持向量機(jī)(IHS-SVM)能獲得更高的分類(lèi)結(jié)果正確率,即證明了該改進(jìn)方法的實(shí)用性。
[Abstract]:In order to solve the problem that the local search ability of the basic harmonic search algorithm is insufficient and the convergence speed is slow in the later stage when the parameters of support vector machine are optimized, An improved harmonic search algorithm is proposed to select and optimize the parameters of support vector machines (IHS-SVM). In this method, the control parameter-memory library value probability (HMCR), fine-tuning probability (PAR) and the adjusting width (bw) are improved from static value to dynamic change with the number of iterations in the original algorithm. By testing the classification accuracy of two data sets in UCI, and comparing the results with the unoptimized support vector machine (SVM) and the basic harmony algorithm optimized support vector machine (HS-SVM), the superiority of the improved method is proved. Finally, it is applied to diesel engine fault diagnosis, and the classification accuracy is compared with the results of unoptimized SVM and HSSVM classification. It is further proved that the improved harmonic search algorithm optimized by support vector machine (IHS-SVM) can obtain higher accuracy of classification results, which proves the practicability of the improved method.
【作者單位】： 中北大學(xué)機(jī)械與動(dòng)力工程學(xué)院;
【基金】：國(guó)家自然科學(xué)基金資助項(xiàng)目(51175480)
【分類(lèi)號(hào)】：TK428;TP18

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 王珍,丁子佳,李玉光,李吉;局域波自回歸譜及其在柴油機(jī)故障診斷中的應(yīng)用研究[J];內(nèi)燃機(jī)工程;2004年03期

2 張維新,張俊峰;柴油機(jī)故障診斷技術(shù)趨向分析[J];天津航海;2005年02期

3 朱俊;;柴油機(jī)故障診斷新方法[J];山東農(nóng)機(jī)化;2010年11期

4 周序生;耿偉亞;;組合算法在柴油機(jī)故障診斷的應(yīng)用仿真[J];計(jì)算機(jī)仿真;2012年09期

5 邰亞傳;周文娟;陳廷相;;基于可能性理論的柴油機(jī)故障診斷方法[J];上海交通大學(xué)學(xué)報(bào);1992年01期

6 廖明,張文明,石博強(qiáng);柴油機(jī)故障診斷的現(xiàn)狀與展望[J];冶金設(shè)備;1998年06期

7 王鴻飛;基于Dempster-Shafer證據(jù)理論的柴油機(jī)故障診斷[J];內(nèi)燃機(jī)學(xué)報(bào);2000年01期

8 王俊國(guó),趙金,謝慶國(guó),萬(wàn)淑蕓;主成分分析法在機(jī)車(chē)柴油機(jī)故障診斷中的應(yīng)用[J];華中科技大學(xué)學(xué)報(bào);2001年07期

9 劉守道,張來(lái)斌,王朝暉;小波降噪技術(shù)在柴油機(jī)故障診斷中的應(yīng)用[J];機(jī)械強(qiáng)度;2001年02期

10 朱孝炎;柴油機(jī)故障診斷方法[J];泰州職業(yè)技術(shù)學(xué)院學(xué)報(bào);2001年02期

相關(guān)會(huì)議論文 前3條

1 段偉武;宋宜斌;;基于自適應(yīng)神經(jīng)網(wǎng)絡(luò)模糊推理系統(tǒng)的柴油機(jī)故障診斷[A];第二十九屆中國(guó)控制會(huì)議論文集[C];2010年

2 王鑫;于洪亮;段樹(shù)林;宋玉超;;基于遺傳算法選擇優(yōu)化神經(jīng)網(wǎng)絡(luò)的柴油機(jī)故障診斷研究[A];2011下一代自動(dòng)測(cè)試系統(tǒng)學(xué)術(shù)研討會(huì)論文集[C];2011年

3 王鑫;于洪亮;段樹(shù)林;宋玉超;;基于遺傳算法選擇優(yōu)化神經(jīng)網(wǎng)絡(luò)的柴油機(jī)故障診斷研究[A];第十屆全國(guó)振動(dòng)理論及應(yīng)用學(xué)術(shù)會(huì)議論文集（2011）上冊(cè)[C];2011年

相關(guān)博士學(xué)位論文 前3條

1 王珍;基于局域波分析的柴油機(jī)故障診斷方法的研究及應(yīng)用[D];大連理工大學(xué);2002年

2 李宏坤;基于信息融合技術(shù)船舶柴油機(jī)故障診斷方法的研究與應(yīng)用[D];大連理工大學(xué);2003年

3 蔡曉光;柴油機(jī)智能故障診斷系統(tǒng)研究[D];中國(guó)礦業(yè)大學(xué);2009年

相關(guān)碩士學(xué)位論文 前10條

1 馮陽(yáng);故障樹(shù)分析和模糊理論在柴油機(jī)故障診斷中的應(yīng)用[D];北京理工大學(xué);2008年

2 宋棟;基于嵌入式的柴油機(jī)故障診斷系統(tǒng)[D];中北大學(xué);2012年

3 王晉;基于粒子濾波信號(hào)處理的柴油機(jī)故障診斷[D];中北大學(xué);2012年

4 韓慧勇;基于多源信息融合的柴油機(jī)故障診斷研究[D];中北大學(xué);2012年

5 劉崢;基于多傳感器信息融合的柴油機(jī)故障診斷系統(tǒng)[D];湖南大學(xué);2010年

6 郭鋼祥;基于局域均值分解和神經(jīng)網(wǎng)絡(luò)的柴油機(jī)故障診斷研究[D];中北大學(xué);2013年

7 劉曉東;基于粗糙集的柴油機(jī)故障診斷的研究[D];大連交通大學(xué);2008年

8 任云鵬;基于曲軸角加速度的柴油機(jī)故障診斷研究[D];電子科技大學(xué);2006年

9 董安;基于形態(tài)濾波和灰色理論的柴油機(jī)故障診斷研究[D];中北大學(xué);2014年

10 張興華;基于粒子群優(yōu)化的模糊神經(jīng)網(wǎng)絡(luò)的柴油機(jī)故障診斷[D];中北大學(xué);2012年

，

本文編號(hào)：2319503