CN113947111B 一种基于改进帝国竞争算法优化svc的轴承故障诊断方法 （上海工程技术大学）

一种基于改进帝国竞争算法优化SVC的轴承本发明涉及一种基于改进帝国竞争算法优罚因子C和核参数Gamma为经过改进的帝国竞争强化策略是指在帝国竞争算法的每一轮迭代过国竞争算法提供的帝国强化策略可以增加多样步使用改进的帝国竞争算法去优化SVC，可以很好地帮助SVC找到最佳的超参数，从而帮助模型21.一种基于改进帝国竞争算法优化SVC的轴承故障诊断方法，其特征是：所述方法中SVC的惩罚因子C和核参数Gamma为经过改所述改进帝国竞争算法是指包含有帝国强化策略和帝国学习策略的帝所述帝国强化策略是指在帝国竞争算法的每一轮迭代过程中，将每imp为突变帝国和每一轮迭代送入帝国交叉后得到的新帝国所述帝国学习策略是指从最弱小的帝国中派去殖民地在最强的帝国周围所述最弱小的帝国是指现有的所有帝国中总能量最小从最弱小的帝国中派去殖民地是指，将所述最弱小的帝国中对所有的殖所述最强的帝国是指现有的所有帝国中总能量最大32.根据权利要求1所述的一种基于改进帝国竞争算xinvert＝boundary[2×i]+boundary[2×i+1]_x[ii维，boundary[2×i]为边界列表中的第2i维，boundary[2×i+1]为边界列表中的第2i+14.根据权利要求1所述的一种基于改进帝国竞争算法优化S(5)改进的帝国竞争算法生成初始种群；且所述改进的帝国竞争算法中的适应度值为(6)以降维后的特征作为SVC的输入，输入后通过改进的帝国竞争算法来优化SVC的惩4(2.1)帝国对殖民地进行同化：在殖民地向帝国的每次靠拢过程中都通过反向学习生(2.4)产生一个随机数与当前迭代次数的自适应值进行比较，如果小于则进行帝国学5[0001]本发明属于轴承故障诊断技术领域，涉及一种基于改进帝国竞争算法优化SVC的[0003]帝国竞争算法目前的应用：在医学领域E.Naser于心律失常的诊断，通过ICA寻找到合适的加权因子辅助聚类算法得到更好的聚类效果；KorhanGüünel提出利用帝国主义竞争算法用于癫痫性癫痫发作和心理性非癫痫性癫痫发变算子引入原始ICA，以提高其探测能力并对自动电压调节器(AVR)系统的分数阶PID控制[0004]在轴承的故障诊断中，帝国竞争算法能够很好地帮助SVC去找到更加合适超参数[0006]为解决现有技术中存在的问题，本发明提供一种基于改进帝国竞争算法优化SVC6极易陷进去，本发明的方法可以联合其他帝国的信息一起去探索到一个更加好的开拓区[0014]如上所述的一种基于改进帝国竞争算法优化SVC的轴承故障诊断方法，所述突变imp为突变国家；[0020]如上所述的一种基于改进帝国竞争算法优化SVC的轴承故障诊断方法，交叉的过7[0026]如上所述的一种基于改进帝国竞争算法优化SVC的轴承故障诊断方法，选择的过[0031]如上所述的一种基于改进帝国竞争算法优化SVC的轴承故障诊断方法，所述改进坐标，LHSample为生成拉丁超立方抽样样本，dim表示x的维度，bounds为输出边界，发明对最弱帝国的殖民向最强帝国进行了交流，如果最弱帝国的殖民地个数小于等于三去跳出局部最优，而帝国学习策略的寻优目的并不是寻优而是防止算法过早收敛与局部点，帝国学习策略中不仅有寻优的目的而且还能帮助最弱的帝国去提升自己种群的能力，8[0042]帝国强化策略和帝国学习策略的结合可以帮助仅仅只有一种结合的优化算法有[0043]如上所述的一种基于改进帝国竞争算法优化SVC的轴承故障诊断方法，所述改进而算法的计算时间和初始种群中个体与最优个体的距离有关，如果个体在最优值附近出和反向个体俩更靠近最优个体的几率是50选中更靠近的个体作为种群的最初个体，那[0052]如上所述的一种基于改进帝国竞争算法优化SVC的轴承故障诊断方法，所述反向9[0055]如上所述的一种基于改进帝国竞争算法优化SVC的轴承故障诊断方法，所述轴承[0056]如上所述的一种基于改进帝国竞争算法优化SVC的轴承故障诊断方法，所述优化[0061](5)改进的帝国竞争算法生成初始种群；且所述改进的帝国竞争算法中的适应度[0062](6)以降维后的特征作为SVC的输入，输入后通过改进的帝国竞争算法来优化SVC[0063]如上所述的一种基于改进帝国竞争算法优化SVC的轴承故障诊断方法，所述改进[0066](2.1)帝国对殖民地进行同化：在殖民[0069](2.4)产生一个随机数与当前迭代次数[0073](1)本发明的改进帝国竞争算法，提供的帝国强化策略和学习策略可以增加算法[0074](2)本发明的改进帝国竞争算法，在初始种群生成和同化过程中引入的反向学习[0075](3)本发明使用改进的帝国竞争算法去优化SVC，可以很好地帮助SVC找到最佳的[0099](2.3)比较每一个帝国和该帝国下殖民[0100](2.4)产生一个随机数与[0101]所述帝国学习策略是指从最弱小的帝国中派去殖民地在最强的帝国周围进行学坐标，LHSample为生成拉丁超立方抽样样本，dim表示x的维度，bounds为输出边界，imp为突变国家；[0127]为了验证我们改进的帝国竞争算法的有效性，使用Ackely和Schaffer(二者的函数图分别如图2和3所示)这两个测试函数来验证改进后的帝国竞争算法(RE_ICA)、未改进[0133](5)改进的帝国竞争算法生成初始种群；且所述改进的帝国竞争算法中的适应度[0134](6)以降维后的特征作为SVC的输入，输入后通过改进的帝国竞争算法来优化SVC[0135]将上述优化后的SVC进行轴承故障诊断，是指将待测试的轴承振动信号进行特征模态分解