量子遗传算法优化的最小二乘支持向量机的风机故障诊断 (2014年)

针对最小二乘支持向量机(LSSVM)在故障诊断过程中的摸型参数选择问题,提出了利用全局寻优能力强、收敛速度快的量子遗传算法(QGA)对摸型参数进行参数寻优,把 LSSVM参数选择问题转化为优化问题。该算法克服了遗传算法优化过程中陷入局部极值的问题,提高了优化性能。利用UCI数据库的数据进行分类验证,相比遗传优化的 LSSVM和交叉验证的 LSSVM,基于 QGA优化的LSSVM摸型提高了分类精度。最后,把该摸型应用于风力发电机齿轮箱故障诊断中,取得了良好的效果。