基于SADE的混合核LSSVM在压缩机故障预测中的应用

发布时间：2021-05-11 03:06

　　螺杆式制冷压缩机存在种类多样性以及故障的复杂性,难以获得有效的预测模型。针对该问题,本文提出了一种基于自适应差分进化算法（SADE）优化的混合核最小二乘支持向量机（LSSVM）的预测模型,该模型的SADE相比其他智能寻优算法理论,其结构简单、参数设置少且搜索能力强。在寻优过程中,SADE分别从差分策略、缩放因子、交叉概率做到了自适应,保证了寻优初期的全局搜索能力和种群多样性,提高了局部搜索能力和收敛速度;利用SADE对核参数、LSSVM参数、混合核调节参数进行寻优,提高了混合核LSSVM预测模型的精度。将该模型运用到压缩机的故障预测实验中,结果表明,该模型能有效地预测出压缩机的故障,验证了该模型的可行性。 

【文章来源】：计算机应用研究. 2019,36(09)北大核心CSCD

【文章页数】：4 页

【文章目录】：
0 引言
1 压缩机故障预测模型建立
    1.1 最小二乘支持向量机
    1.2 混合核函数原理
    1.3 自适应差分进化算法
        1.3.1 差分策略的选择
        1.3.2 缩放因子的自适应
        1.3.3 交叉概率的自适应
    1.4 基于SADE的混合核LSSVM的预测模型建立
2 实例验证
3 结束语


【参考文献】：
期刊论文
[1]基于反向学习的自适应差分进化算法[J]. 李龙澍,翁晴晴.  计算机应用. 2018(02)
[2]基于混合核学习支持向量机的主减速器故障诊断[J]. 张华伟,左旭艳,潘昊.  计算机应用与软件. 2017(05)
[3]基于FOA优化混合核LSSVM的铁路货运量预测[J]. 耿立艳,陈丽华.  计算机应用研究. 2017(02)
[4]加权变异策略动态差分进化算法[J]. 张锦华,宋来锁,张元华,李富昌.  计算机工程与应用. 2017(04)
[5]混合核函数最小二乘支持向量机的网络流量预测模型[J]. 马琰,闫兵.  微型电脑应用. 2015(02)
[6]粒子群优化的最小二乘支持向量机在通信装备故障预测中的应用[J]. 李文元,闫海华,姚宏杰.  微电子学与计算机. 2013(02)
[7]基于最小二乘支持向量机的复杂装备故障预测模型研究[J]. 连光耀,吕晓明,黄考利,孙江生.  计算机测量与控制. 2011(05)
[8]基于最小二乘支持向量机的故障预测法[J]. 戴林超,吴琳丽,赵海娜,李训铭.  中南大学学报(自然科学版). 2009(S1)
[9]中长期电力负荷预测的几种灰色预测模型的比较及应用[J]. 张莉,吉培荣,杜爱华,何其新.  三峡大学学报(自然科学版). 2009(03)
[10]基于灰色理论、径向基神经网络的大型压缩机故障预测方法的研究[J]. 金晶,芮延年,郭旭红,赵礼刚.  苏州大学学报(工科版). 2004(05)

硕士论文
[1]基于遗传算法的大型电力变压器内部故障预测模型研究[D]. 王有元.重庆大学 2003



本文编号：3180592