在支持向量机(SVM)中,非常有必要优化参数,这些参数是影响分类性能的关键因素。 提出了改进的蚁群算法(IACO)来确定参数,然后将IACO-SVM算法应用于滚动轴承故障检测中。 允许蚂蚁找到的最佳解和最差解都可以更新信息素轨迹密度,并在ACO中应用网格来调整优化参数的范围。 通过与遗传算法(GA),交叉验证和标准ACO方法优化的SVM中的参数进行比较,使用滚动轴承振动信号的实验数据来说明IACO-SVM算法的性能。 实验结果表明,所提出的IACO-SVM算法具有较高的识别精度。