论文部分内容阅读
利用支持向量机采用的结构风险最优化准则、预测能力强、鲁棒性好等优点，研究了最小二乘支持向量机（Least Squares Support Vector Machines，LS—SVM）回归算法在曳引机故障预测中的应用。提出了一种自动搜寻最优参数方法，对参数和进行寻优，避免了人工选择的盲目性，提高了算法的效率。通过将LS—SVM和RBF神经网络进行对比实验，得出在相同训练样本条件下，LS—SVM可以取得比RBF更好的预测精度和预测速度，更加适合于现场实际应用。最后将LS—SVM模型用于曳引机振动信号的时域分