基于改进粒子群优化支持向量机的汽轮机组故障诊断

被引：17

作者：

石志标

宋全刚

马明钊

李祺

机构：

[1] 东北电力大学机械工程学院

来源：

动力工程学报 | 2012年 / 32卷 / 06期

关键词：

汽轮机组; 振动; 故障诊断; 支持向量机; 粒子群算法; 遗传算法;

D O I：

暂无

中图分类号：

TK267 [运行];

学科分类号：

080704 ;

摘要：

基于支持向量机(SVM)在核函数参数和惩罚因子人为选取的盲目性以及传统粒子群算法(PSO)后期易陷于局部最小值的不足,提出了一种改进的粒子群算法(MPSO),建立了汽轮机组振动故障诊断模型并且利用故障数据进行了模式识别.结果表明:模型能够对SVM相关参数自动寻优,并且能达到较为理想的全局最优解;与PSO-SVM和GA-SVM算法相比,MPSO-SVM算法在收敛速度和准确率方面都有所提高.

引用

页码：454 / 457+462 +462

页数：5

共 5 条

[1] 运用免疫遗传神经网络的汽轮机振动故障诊断 [J].

程力旻 ;

谢志江 ;

刘利云 ;

孙红岩 .

振动测试与诊断., 2010, 30 (06) :675-678+712

[2] 利用KKT条件与类边界包向量的SVM增量学习算法 [J].

吴崇明 ;

王晓丹 ;

白冬婴 ;

张宏达 .

计算机工程与设计, 2010, 31 (08) :1792-1794+1798

[3] 燃气轮机故障诊断技术研究综述与展望 [J].

谢春玲 ;

戴景民 .

汽轮机技术, 2010, 52 (01) :1-3

[4] 小波分析技术在汽轮机故障诊断中的应用 [J].

牛培峰 ;

张君 .

动力工程, 2007, (01) :76-80+112

[5]

Application of the PSO–SVM model for recognition of control chart patterns[J] . Vahid Ranaee,Ata Ebrahimzadeh,Reza Ghaderi.ISA Transactions . 2010 (4)

← 1 →