English
资源说明：混合动力铲运机工作环境恶劣，电气系统复杂，故障原因耦合性强，故障种类多，数据大多呈非线性关系，针对传统单一的方法难以精确预测铲运机电气系统故障的问题，提出了一种把最小二乘支持向量机(Least Square Support Vector Machine，LSSVM)和隐马尔科夫模型(Hidden Markov Model，HMM)相结合并进行改进的故障预测方法。首先用历史时刻的铲运机运行状态数据通过LSSVM进行训练，将当前时刻状态数据输入训练好的LSSVM中预测出未来时刻的状态数据;然后通过历史数据训练不同故障状态下的HMM模型;最后把当前状态数据及通过LSSVM预测的状态数据导入训练好的HMM模型中，预测出未来时刻铲运机的状态及其变化趋势。针对传统用经验方法训练LSSVM参数和用Baum-Welch方法选择HMM参数容易陷入局部最优解和收敛速度慢等缺点问题，提出在LSSVM和HMM参数选择时采用人工鱼群算法(Artificial Fish Swarm Algorithm，AFSA)进行改进，提高了LSSVM和HMM的参数估计性能，得到LSSVM所需的最优惩罚参数和径向基核函数。整个
本源码包内暂不包含可直接显示的源代码文件，请下载源码包。
