为降低煤矿刮板输送机的故障频率,保障人员安全及提高生产效率,提出了基于GSCV-SVM网格搜索交叉验证支持向量机的刮板输送机多类故障在线诊断方法,针对刮板输送机传动部的实际故障数据,采用GSCV网格搜索交叉验证法,得到SVM的最优惩罚参数C和高斯径向基核函数的参数g,用多分类模型对刮板输送机的不同部位故障进行分类,结果证明,GSCV-SVM是一种较优的在线分类算法,可以对刮板输送机的未知故障数据进行在线诊断。

基于高斯支持向量机的故障诊断模型

结合罗杰斯比值法，基于自适应PSO算法和最小二乘支持向量机（LS-SVM），提出一种牵引变压器绝缘故障诊断模型。该模型提出一种自适应PSO算法，即根据群体的收敛程度和个体的适应值来调整惯性权重，加快训练速度，利用该算法迭代求解LS-SVM中出现的矩阵方程，避免矩阵求逆，节省内存；为了快速和准确地区分牵引变压器12种绝缘故障，该模型构建12个自适应PSO的LS-SVM分类器。通过对600组牵引变压器的故障数据的处理表明，所提出的基于自适应PSO优化的LS-SVM算法优于经典SVM算法和标准PSO的