螺桿式制冷壓縮機(jī)存在種類多樣性以及故障的復(fù)雜性,難以獲得有效的預(yù)測模型。針對該問題,本文提出了一種基于自適應(yīng)差分進(jìn)化算法（SADE）優(yōu)化的混合核最小二乘支持向量機(jī)（LSSVM）的預(yù)測模型,該模型的SADE相比其他智能尋優(yōu)算法理論,其結(jié)構(gòu)簡單、參數(shù)設(shè)置少且搜索能力強(qiáng)。在尋優(yōu)過程中,SADE分別從差分策略、縮放因子、交叉概率做到了自適應(yīng),保證了尋優(yōu)初期的全局搜索能力和種群多樣性,提高了局部搜索能力和收斂速度;利用SADE對核參數(shù)、LSSVM參數(shù)、混合核調(diào)節(jié)參數(shù)進(jìn)行尋優(yōu),提高了混合核LSSVM預(yù)測模型的精度。將該模型運用到壓縮機(jī)的故障預(yù)測實驗中,結(jié)果表明,該模型能有效地預(yù)測出壓縮機(jī)的故障,驗證了該模型的可行性。 

【文章來源】：計算機(jī)應(yīng)用研究. 2019,36(09)北大核心CSCD

【文章頁數(shù)】：4 頁

【文章目錄】：
0 引言
1 壓縮機(jī)故障預(yù)測模型建立
    1.1 最小二乘支持向量機(jī)
    1.2 混合核函數(shù)原理
    1.3 自適應(yīng)差分進(jìn)化算法
        1.3.1 差分策略的選擇
        1.3.2 縮放因子的自適應(yīng)
        1.3.3 交叉概率的自適應(yīng)
    1.4 基于SADE的混合核LSSVM的預(yù)測模型建立
2 實例驗證
3 結(jié)束語


【參考文獻(xiàn)】：
期刊論文
[1]基于反向?qū)W習(xí)的自適應(yīng)差分進(jìn)化算法[J]. 李龍澍,翁晴晴.  計算機(jī)應(yīng)用. 2018(02)
[2]基于混合核學(xué)習(xí)支持向量機(jī)的主減速器故障診斷[J]. 張華偉,左旭艷,潘昊.  計算機(jī)應(yīng)用與軟件. 2017(05)
[3]基于FOA優(yōu)化混合核LSSVM的鐵路貨運量預(yù)測[J]. 耿立艷,陳麗華.  計算機(jī)應(yīng)用研究. 2017(02)
[4]加權(quán)變異策略動態(tài)差分進(jìn)化算法[J]. 張錦華,宋來鎖,張元華,李富昌.  計算機(jī)工程與應(yīng)用. 2017(04)
[5]混合核函數(shù)最小二乘支持向量機(jī)的網(wǎng)絡(luò)流量預(yù)測模型[J]. 馬琰,閆兵.  微型電腦應(yīng)用. 2015(02)
[6]粒子群優(yōu)化的最小二乘支持向量機(jī)在通信裝備故障預(yù)測中的應(yīng)用[J]. 李文元,閆海華,姚宏杰.  微電子學(xué)與計算機(jī). 2013(02)
[7]基于最小二乘支持向量機(jī)的復(fù)雜裝備故障預(yù)測模型研究[J]. 連光耀,呂曉明,黃考利,孫江生.  計算機(jī)測量與控制. 2011(05)
[8]基于最小二乘支持向量機(jī)的故障預(yù)測法[J]. 戴林超,吳琳麗,趙海娜,李訓(xùn)銘.  中南大學(xué)學(xué)報(自然科學(xué)版). 2009(S1)
[9]中長期電力負(fù)荷預(yù)測的幾種灰色預(yù)測模型的比較及應(yīng)用[J]. 張莉,吉培榮,杜愛華,何其新.  三峽大學(xué)學(xué)報(自然科學(xué)版). 2009(03)
[10]基于灰色理論、徑向基神經(jīng)網(wǎng)絡(luò)的大型壓縮機(jī)故障預(yù)測方法的研究[J]. 金晶,芮延年,郭旭紅,趙禮剛.  蘇州大學(xué)學(xué)報(工科版). 2004(05)

碩士論文
[1]基于遺傳算法的大型電力變壓器內(nèi)部故障預(yù)測模型研究[D]. 王有元.重慶大學(xué) 2003



本文編號：3180592