基于离散粒子群和支持向量机的故障诊断方法

被引：3

作者：

王灵

俞金寿

机构：

[1] 华东理工大学自动化研究所

来源：

关键词：

故障诊断; 粒子群算法(PSO); 支持向量机(SVM); 特征选择; CSTR;

D O I：

10.14135/j.cnki.1006-3080.2005.05.034

中图分类号：

TP18 [人工智能理论];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ;

摘要：

针对与故障不相关的变量会影响分类器性能,从而导致故障诊断正确率下降,提出一种将离散粒子群算法(PSO)与支持向量机(SVM)相结合寻找故障特征变量的优化算法。该算法实现了数据降维和故障特征保留,有效地提高了故障诊断性能。基于连续搅拌釜式反应器(CSTR)的仿真实例验证了该算法的有效性。

引用

页码：697 / 700

页数：4