关键词：轴承故障分类；自适应蚁群算法；最小二乘支持向量机；经验模态分解；关联维数；Shannon信息熵
摘 要：针对LSSVM模型在同步发电机轴承故障分类训练中时间过长、分类精度不高的缺点,本文提出自适应蚁群算法改进LSSVM模型的方法。自适应调整蚁群算法的挥发因子和状态转移规则,寻找最优的LSSVM参数,建立AACA-LSSVM模型。提取不同故障状态下的轴承振动信号,经EMD分解后,计算IMF分量的关联维数和Shannon信息熵,以此作为故障样本数据训练分类模型。仿真实验中与LSSVM模型进行了对比,结果表明AACA-LSSVM在分类时间和精度上都优于LSSVM模型。
内 容：原文可通过湖北省科技信息共享服务平台（http://www.hbstl.org.cn)获取