摘要:相关向量机用于数据分类时,其核函数参数的选取会对分类效果产生较大影响,往往导致故障诊断结果不理想。为此,构建了基于PSO-RVM的笼式异步电动机转子断条故障诊断方法。该方法以定子电流经Hilbert变换提取到的信号为特征量,采用粒子群(PSO)算法对RVM中的核函数σ进行优化,从而获取故障诊断准确度最高的最优参数。通过实例分析,与RVM和SVM分类方法相比,PSO-SVM故障诊断效果更理想。
注:因版权方要求,不能公开全文,如需全文,请咨询杂志社
热门期刊服务
相关文章
影响因子:0.34
期刊级别:部级期刊
发行周期:月刊
期刊在线咨询,1-3天快速下单!
查看更多>
超1000杂志,价格优惠,正版保障!
一站式期刊推荐服务,客服一对一跟踪服务!