基于Levy-ABC优化SVM的水电机组故障诊断方法

被引:9
作者
肖剑
周建中
张孝远
李超顺
寇攀高
肖汉
机构
[1] 华中科技大学水电与数字化工程学院
基金
高等学校博士学科点专项科研基金;
关键词
人工蜜蜂群算法; 水电机组; 故障诊断; 支持向量机; 参数优化;
D O I
10.16450/j.cnki.issn.1004-6801.2013.05.021
中图分类号
TV738 [养护、维修];
学科分类号
081504 ;
摘要
水电机组故障诊断实质上是一种典型的小样本机器学习问题,支持向量机作为一种先进的机器学习方法,在解决小样本问题上有着突出的表现,但其参数设置问题一直未能很好的解决。针对此问题,提出了一种基于人工蜜蜂群优化支持向量机的水电机组故障诊断方法,为改进人工蜜蜂群全局搜索能力,引入Levy飞行策略,对原始人工蜜蜂群算法进行改进。实验表明,Levy飞行蜜蜂群优化和支持向量机相结合的水电机组故障诊断算法,对多类故障能够有效地分类,提高了水电机组故障诊断的准确率,具有一定的工程应用价值。
引用
收藏
页码:839 / 844+914 +914
页数:7
相关论文
共 21 条
[1]   基于免疫优化多分类SVM的变压器故障诊断新方法 [J].
韩富春 ;
高文军 ;
廉建鑫 ;
杨洁 .
电力系统保护与控制, 2012, 40 (02) :106-110
[2]   基于人工蜂群算法的支持向量机优化 [J].
刘路 ;
王太勇 .
天津大学学报, 2011, 44 (09) :803-809
[3]   基于FNN-GA融合算法的喷油器在线诊断 [J].
胡明江 .
振动测试与诊断., 2011, 31 (04) :464-467+535
[4]   基于熵带法与PSO优化的SVM转子故障诊断 [J].
霍天龙 ;
赵荣珍 ;
胡宝权 .
振动测试与诊断., 2011, 31 (03) :279-284+392
[5]   基于改进D-S组合规则的故障模式分类 [J].
苏晓燕 ;
邓勇 ;
吴英 ;
蒋雯 .
振动测试与诊断., 2011, 31 (02) :144-149+262
[6]   基于遗传支持向量机和灰色人工免疫算法的电力变压器故障诊断 [J].
郑蕊蕊 ;
赵继印 ;
赵婷婷 ;
李敏 .
中国电机工程学报, 2011, 31 (07) :56-63
[7]   基于混沌理论与SVM的内燃机振动信号趋势预测 [J].
冯广斌 ;
吴震宇 ;
袁惠群 .
振动测试与诊断., 2011, 31 (01) :64-69+129
[8]   采用D-S证据推理的电机转子故障诊断 [J].
卜乐平 ;
刘开培 ;
侯新国 .
振动测试与诊断., 2011, 31 (01) :23-26+126
[9]   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
[10]   基于粗糙集和多类支持向量机的水电机组振动故障诊断 [J].
张孝远 ;
周建中 ;
黄志伟 ;
李超顺 ;
贺徽 .
中国电机工程学报, 2010, 30 (20) :88-93