盧迪 竇文娟

摘要：故障樣本的缺乏嚴重制約智能故障診斷的發(fā)展，支持向量機算法的提出有效地解決了小樣本學習問題，然而支持向量機算法中兩個參數(shù)懲罰因子C和核參數(shù)y對故障樣本的準確識別起著決定性作用，針對參數(shù)較難選擇問題，采用遺傳算法對支持向量機中的兩個參數(shù)進行全局尋優(yōu)，把汽車在典型故障下尾氣中各氣體的體積分數(shù)作為訓練樣本，樣本經(jīng)過主成份分析實現(xiàn)降維和去相關，用處理過的樣本和最優(yōu)參數(shù)建立基于支持向量機的多元分類器模型，進行故障類別診斷，使用LIBSVM工具箱進行仿真，結果表明經(jīng)遺傳算法優(yōu)化后的支持向量機對于小樣本故障診斷有很高的準確率。

關鍵詞：故障診斷；支持向量機(SVM)；遺傳算法(GA)；主成份分析；小樣本

中圖分類號：TB533

文獻標志碼：A

文章編號：1007—2683(2012)01—0035—04