基于支撑向量机的故障分类模型的训练方法及装置

摘要

本申请公开了一种基于支撑向量机的故障分类模型的训练方法及装置。该方法采用预设分类原则，对获取的故障样本数据进行分类，得到测试样本数据和训练样本数据；基于预设多重宇宙优化算法和预设的第二数量的训练参数，对训练样本数据进行第一数量次迭代训练，得到第一数量的SVM故障分类模型，训练参数包括一组惩罚系数和核宽度；根据测试样本数据，对第一数量个SVM故障分类模型进行测试，获取第一数量个适应度，适应度是根据测试样本数据的测试值与相应真实值确定的；将第一数量个适应度中最小适应度对应的SVM故障分类模型确定为最优SVM故障分类模型。该方法通过结合多重宇宙优化算法与支撑向量机提高了故障诊断效率。