粒子群优化–最小二乘支持向量机算法在高压断路器机械故障诊断中的应用

被引：21

作者：

贾嵘 ^{[1
]}

洪刚 ^{[1
]}

薛建辉 ^{[1
]}

崔建武 ^{[2
]}

机构：

[1] 西安理工大学水利水电学院

[2] 中国水电顾问集团西北勘测设计研究院

来源：

电网技术 | 2010年 / 34卷 / 03期

关键词：

高压断路器; 最小二乘支持向量机; 粒子群优化; 故障诊断;

D O I：

10.13335/j.1000-3673.pst.2010.03.012

中图分类号：

TM561 [断路器];

学科分类号：

080801 ;

摘要：

提出了一种高压断路器机械故障诊断的智能算法,该算法采用最小二乘支持向量机(least squares support vector machine,LSSVM)算法,提取高压断路器振动信号的特征熵;为了提高故障诊断的精度,采用粒子群优化(particle swarm optimization,PSO)算法,优化LSSVM算法的参数。算例表明:PSO-LSSVM算法不仅能够取得良好的分类效果,而且诊断速度与精度均高于传统的支持向量机(support vector machine,SVM)算法,适用于高压断路器机械故障诊断。

引用

页码：197 / 200

页数：4

共 9 条

[1] 应用支持向量机的变压器故障组合预测 [J].