基于鲁棒最小二乘支持向量机的齿轮磨损预测
为了降低包含噪声的现场齿轮磨损数据对最小二乘支持向量机(least squares support vector machine,LSSVM)模型稳健性的影响,采用迭代鲁棒最小二乘支持向量机(iteratively robust least squares support vector machine,IRLSSVM)对齿轮磨损数据进行建模和预报.首先,增加权函数迭代次数以保证建模过程的鲁棒性;然后,将具有全局搜索的耦合模拟退火(coupled simulated annealing,CSA)与局部优化的单纯形法(simplex method,SM)相结合的方法用于优化IRLSSVM模型超参数,进而采用鲁棒交叉验证作为CSA-SM算法拟合目标函数,提高IRLSSVM模型超参数优化过程的鲁棒性;最后,利用K727840ZW变速箱现场齿轮磨损数据进行了数值实验,结果验证了所提出方法的有效性.
最小二乘支持向量机(LSSVM)、鲁棒、交叉验证、参数寻优、齿轮磨损
40
TH117;TP393
国家自然科学基金资助项目61263010;江西省教育厅资助项目GJJ12316
2014-10-17(万方平台首次上网日期,不代表论文的发表时间)
共8页
1028-1034,1047