為提高汽輪機振動故障診斷準確率和識別率,提出一種基于BASO（天牛群搜索算法）優(yōu)化SVM（支持向量機）故障診斷方法。針對支持向量機參數(shù)難以選取問題,將BAS（天牛須搜索算法）引入到PSO（粒子群算法）中,得到BASO,通過BASO對支持向量機進行優(yōu)化得到診斷模型最佳參數(shù)。實例表明,BASO優(yōu)化SVM模型可以準確、高效對汽輪機進行故障診斷,與PSO—SVM模型相比,BASO—SVM模型準確率和識別效率更高,具有較強的泛化能力和魯棒性。 

【文章來源】：青海電力. 2020,39(03)

【文章頁數(shù)】：5 頁

【部分圖文】：

BASO優(yōu)化SVM參數(shù)流程

測試集樣本實際分類與預(yù)測分類對比

【參考文獻】：
期刊論文
[1]基于天牛須算法的粒子群算法在PID參數(shù)整定上的應(yīng)用[J]. 吳強,張偉,楊慧婷,汪朝盈.  電子科技. 2020(06)
[2]基于天牛須搜索的粒子群優(yōu)化算法求解投資組合問題[J]. 陳婷婷,殷賀,江紅莉,王露.  計算機系統(tǒng)應(yīng)用. 2019(02)
[3]基于云粒子群優(yōu)化SVM的汽輪機轉(zhuǎn)子故障診斷[J]. 陳長河,石志標,曹麗華.  汽輪機技術(shù). 2018(03)
[4]基于云PSO-SVM的汽輪機轉(zhuǎn)子故障診斷研究[J]. 石志標,陳長河,曹麗華.  熱能動力工程. 2018(06)
[5]基于CEEMDAN與CBBO-SVM的汽輪機轉(zhuǎn)子故障診斷研究[J]. 石志標,葛春雪,曹麗華,趙軍.  熱能動力工程. 2018(01)
[6]基于模糊SOM神經(jīng)網(wǎng)絡(luò)的汽輪機通流部分故障診斷研究[J]. 周磊,李勇.  汽輪機技術(shù). 2016(03)
[7]基于LS-SVM的一次風(fēng)機振動在線監(jiān)測及故障預(yù)警研究[J]. 韓平,王天堃,孟永毅.  機電工程. 2016(05)
[8]基于PSO-SVM的變壓器故障診斷研究[J]. 趙德鑫.  機械工程與自動化. 2015(04)
[9]基于模糊專家系統(tǒng)的汽輪機遠程振動故障診斷系統(tǒng)的設(shè)計與開發(fā)[J]. 鄧彤天,楊文廣,安少朋,蔣東翔.  汽輪機技術(shù). 2015(03)
[10]基于多分類支持向量機的風(fēng)電機組故障診斷[J]. 徐開,鄭小霞.  浙江電力. 2015(04)

碩士論文
[1]基于決策樹的汽輪機振動故障診斷技術(shù)研究[D]. 張艷順.華北電力大學(xué)(北京) 2016



本文編號：3553543