Resumen

A veces pueden ocurrir fenómenos de sobreestudio o subestudio debido a la fuerte dependencia de los algoritmos de máquinas de vectores de soporte (SVM) en parámetros particulares y la falta de teoría de sistemas relacionada con la selección de parámetros. En este artículo, se propone un algoritmo de optimización de parámetros para el SVM basado en un algoritmo genético múltiple. El algoritmo optimiza los parámetros del kernel de correlación del SVM utilizando principios de búsqueda evolutiva de múltiples algoritmos genéticos en enjambre para obtener un modelo de predicción SVM superior. Los resultados experimentales demuestran que al combinar el algoritmo genético y el algoritmo SVM, el diagnóstico de fallas puede realizarse de manera efectiva para rodamientos de maquinaria rotativa.

• Materias:Matriz acústica Ingeniería subterránea Vibración longitudinal Transmisión dinámica Fallas de rodamientos
• Subjects:Acoustic array Underground engineering Longitudinal vibration Dynamic transmission Bearing failures
• Palabras claves:Máquina de vectores de soporte; Algoritmo de optimización de parámetros; Algoritmo genético múltiple; Parámetros del núcleo de correlación; Principios de búsqueda evolutiva; Diagnóstico de fallas
• Keywords:Support vector machine; Parameter optimization algorithm; Multi-genetic algorithm; Correlation kernel parameters; Evolutionary search principles; Fault diagnosis