基于离散粒子群和支持向量机的故障诊断方法

• 作者: 俞金寿 王灵
• 来源期刊: 华东理工大学学报（自然科学版）
• 学科: 工学
• 关键词: 故障诊断 粒子群算法(PSO) 支持向量机(SVM) 特征选择 CSTR
• 年，卷（期）: 2005,（5）
• 所属期刊栏目: 研究简报
• 页码范围: 697-700
• 页数: 4页
• 分类号: TP273
• 字数: 2887字
• 语种: 中文
• DOI: 10.3969/j.issn.1006-3080.2005.05.034

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	俞金寿	华东理工大学自动化研究所	199	3638	32.0	51.0
2	王灵	华东理工大学自动化研究所	4	54	4.0	4.0