改进粒子群算法优化支持向量机的螺旋CT电气故障诊断研究  

作　　者：汤德荣[1] 

机构地区：[1]安徽机电职业技术学院,安徽芜湖241002

出　　处：《九江学院学报（自然科学版）》2023年第4期27-31,共5页Journal of Jiujiang University：Natural Science Edition

基　　金：2023年度安徽省高校自然科学研究重点项目(编号2023AH052701)的研究成果之一。

摘　　要：文章研究改进粒子群算法优化支持向量机螺旋CT电气故障诊断方法,提高螺旋CT电气故障诊断精度与诊断效率,以满足实际螺旋CT电气故障诊断工作需要。采用最小支持向量机通过非线性函数变换,将多输入单输出的螺旋CT电气故障诊断最优解的求解转换为高维空间最优分类面的求解,实现螺旋CT电气故障诊断;采用改进粒子群算法与交叉验证原理优化最小二乘支持向量机的核函数,提高最小二乘支持向量机算法泛化能力,避免核函数状态影响螺旋CT电气故障诊断精度。实验结果表明:该方法的螺旋CT电气故障诊断结果与实际故障类型几乎一致,核函数优化后螺旋CT电气故障诊断分类准确率高达90%,可提升螺旋CT电气故障诊断的效率。

关 键 词：改进粒子群 支持向量机 螺旋CT 故障诊断 尺度变化 交叉验证 

分 类 号：TP212[自动化与计算机技术—检测技术与自动化装置]