摘要：針對(duì)相關(guān)向量機(jī)(RVM)在電機(jī)軸承故障識(shí)別中的性能受參數(shù)選擇影響較大的問(wèn)題,提出了基于反向認(rèn)知果蠅優(yōu)化算法(RCFOA)優(yōu)化RVM的電機(jī)軸承故障診斷方法。為提高FOA算法的尋優(yōu)能力,引入反向?qū)W習(xí)策略,對(duì)原始果蠅優(yōu)化算法進(jìn)行了改進(jìn)。利用RCFOA進(jìn)行RVM參數(shù)的優(yōu)化,可以有效地提高RVM的分類性能。電機(jī)軸承不同類型、不同程度故障診斷的實(shí)例表明,RCFOA算法能夠獲得更優(yōu)的參數(shù),提高了RVM的故障診斷準(zhǔn)確率,相比于其他一些方法更有優(yōu)勢(shì),可有效應(yīng)用于故障診斷。
注：因版權(quán)方要求，不能公開(kāi)全文，如需全文，請(qǐng)咨詢雜志社
