摘要：为了提高复杂机械故障诊断的确诊率，提出了一种基于改进人工蜂群算法（improved artifi—cial bee colony，IABC）优化LSSVM多分类器组的故障诊断模型。该模型利用多特征提取方法，获取了较为完备的时频域特征信息，同时选择具有较强搜索能力和快速收敛性的IABC算法优化了LSSVM分类器的参数，提高了分类效率，在诊断决策层，利用评估矩阵进行了多分类器诊断结果的融合决策。通过与传统方法的对比表明：该诊断模型不仅能获取完备的故障特征信息，而且能更快地荻取LSSVM最优分类参数；同时，基于评估矩阵的融合决策能够充分考虑各子分类器的性能差异，保证了诊断决策的高效精确。多种数据仿真表明，该诊断模型适用于机械故障诊断。

关键词：时频域特征 改进人工蜂群算法 lssvm多分类器组 评估矩阵 

单位：燕山大学工业计算机控制工程河北省重点实验室; 秦皇岛066004