改进粒子群优化的多类LS-SVM电机故障识别算法

摘要

传统电机故障诊断方法具有不确定性。多类LS-SVM方法所需样本较少、识别率高,可有效识别电机故障,但该方法计算过程中有庞大的矩阵求逆运算。为降低计算数据复杂度、提升训练速度,提出基于改进粒子群算法的电机故障识别算法。该算法依据种群收敛程度与个体自适应值调整惯性权重,选择一对余的LSSVM多分类器结构,构造4个改进粒子群的多类LS-SVM分类器,识别电机4类故障。实验验证表明,该算法可保证电机故障识别结果准确率,具有较好的实用性和推广性。