基于SVM的通风系统故障诊断惩罚系数与核函数系数优化研究

论文摘要

使用支持向量机(SVM)方法对矿井通风系统进行故障诊断,存在惩罚系数(c)和核函数系数(g),通过人工方法选取效率低、难以达到较高准确率并且出现过拟合的问题。为了提高矿井通风故障诊断的效率、准确率,同时避免过拟合现象,提出了一种改进遗传算法(GA),在故障诊断过程中对支持向量机的c,g参数进行优化。经过多组试验分析,研究结果表明:用遗传算法优化的SVM矿井通风故障诊断系统相比于未优化系统的故障诊断准确率有所提升,参数未优化前故障诊断的准确率为60%,优化后的准确率为97. 894 7%,并且优化参数经过大数据样本验证,未出现过拟合现象,证明了本文提出方法的有效性。

论文目录

• 0 引言
• 1 参数c, g影响性分析
•   1.1 参数c, g意义
•   1.2 优化c, g取值进行故障诊断必要性分析
•     1.2.1 c, g对故障诊断准确率的影响性分析
•     1.2.2 c, g参数的普适性分析
•     1.2.3 随机选取c, g组合故障诊断准确率
•     1.2.4 c, g取值变化对故障诊断准确率影响程度
• 2 基于遗传算法对c, g参数的优化
•   2.1 遗传算法优化c, g参数原理
•   2.2 遗传算法优化c, g参数实现步骤
•     1) 染色体编码, 初始种群的生成
•     2) 适应度函数
•     3) 选择算子
•     4) 交叉算子、变异算子
• 3 仿真实验和结果分析
•   3.1 GA优化实验结果
•   3.2 GA-SVM故障诊断有效性验证
•   3.3 GA-SVM故障量诊断
• 4 结论

文章来源

类型: 期刊论文

作者: 周启超,刘剑,刘丽,黄德,邓立军,蒋清华

关键词: 支持向量机,遗传算法,参数优化,通风系统故障诊断

来源: 中国安全生产科学技术 2019年04期

年度: 2019

分类: 工程科技Ⅰ辑,信息科技

专业: 矿业工程,安全科学与灾害防治,自动化技术

单位: 辽宁工程技术大学安全科学与工程学院,辽宁工程技术大学矿山热动力灾害与防治教育部重点实验室

基金: 国家自然科学基金项目(51774169),国家重点研发计划项目(2017YFC0804401)

分类号: TD724;TP181

页码: 45-51

总页数: 7

文件大小: 480K

下载量: 341