| ABC算法优化SVR的磨损故障预测模型 |
| |
| 作者姓名： | 刘建新 杨庆玲 |
| |
| 作者单位： | 烟台工程职业技术学院,山东 烟台 264001,烟台职业学院,山东 烟台 264001 |
| |
| 基金项目： | 中国科学院战略性先导科技专项（A类）（XDA13040601）;国家自然科学基金（51475449）;国家973计划子课题（2014CB643302）;江苏省重点研发计划（BE2016115）;宁波市自然科学基金（2016A610267） |
| |
| 摘 要： | 目的为了提高故障预测的精度,针对支持向量回归SVR(Support vector machine for regression,SVR)参数选择困难的问题,提出一种采用人工蜂群(artificial bee colony,ABC)算法优化支持向量回归(SVR)的故障预测模型(ABC-SVR)。方法该模型先对样本数据进行重构,然后将故障预测误差(适应度)作为优化目标,通过ABC算法寻优找到最优的SVR参数,建立故障预测模型。最后通过实例仿真验证模型的优越性。结果采用ABC算法优化的SVR故障预测模型进行时间序列预测,能够较好地跟踪发动机滑油金属元素浓度的变化过程,并且能够提前2个取样时间预测异常情况的出现。结论 ABC-SVR模型有效解决了SVR参数选择难题,能够更加准确地表现故障变化规律,提高了故障预测精度。
|
| 关 键 词： | 磨损故障 人工蜂群优化算法 支持向量回归 预测模型 |
| 收稿时间： | 2017-07-04 |
| 修稿时间： | 2017-11-15 |
| 本文献已被 CNKI 等数据库收录！ |
| 点击此处可从《装备环境工程》浏览原始摘要信息 |
|
点击此处可从《装备环境工程》下载免费的PDF全文 |
|
