摘  要：支持向量机是柴油机进行故障诊断的重要工具，然而其核函数参数和惩罚因子的不同取值会影响到分类结果正确率。针对这一问题，提出利用改进人工蜂群算法对支持向量机相关参数进行选择优化，在该方法中，将参数作为食物源，而分类正确率作为适应度函数。接着，通过对1个UCI数据集进行分类测试测试，证明了该改进方法的优越性：既继承了传统方法的优点又减少了收敛时间。最后将其用于柴油机故障诊断实验，进一步证明了该方法不仅能够获得较高的故障分类正确率，而且与传统人工蜂群算法相比，能够有效降低运行时间。

关键词：改进人工蜂群算法   支持向量机   参数选择   柴油机故障诊断

Abstract: Support vector machine is an important tool for diesel engine fault diagnosis, but the different values