机床与液压

作者：宋仁旺，杨磊，余百千，石慧，董增寿

单位：太原科技大学电子信息工程学院；太原科技大学电子信息工程学院；太原科技大学电子信息工程学院；太原科技大学电子信息工程学院；太原科技大学电子信息工程学院

关键词：大规模数据; 支持向量机; 凸壳超平面;Alpha Shapes;故障诊断

基金：山西省自然科学基金（201901D111259)；国家自然科学基金青年科学基金项目(61703297)

现有的基于凸壳的支持向量机（SVM）算法处理机械装备产生的大规模原始数据时间太长。针对这一问题，通过结合轮廓提取算法（Alpha Shapes）和快速凸壳算法，提出一种结合改进快速凸壳算法的SVM用于故障诊断研究。该融合算法利用改进简化的Alpha Shapes算法提取点集的边界数据点，作为改进的快速凸壳算法的对象，减少凸壳算法递归的工作量。实验结果表明：该算法平均只提取了数据集0.26%的数据点，且计算的时间也相应降低。最后实验同样表明该算法的性能优于单一的SVM算法。

来源：2023年第13期

《机床与液压》期刊编辑部

查看机床与液压杂志2023年第13期