基于PSO⁃KPCA⁃LVQ的燃气调压器故障诊断

• 作者: 安允 王亚慧 王莹
• 来源期刊: 现代电子技术
• 关键词: 燃气调压器 故障诊断 数据处理 核参数优化 数据分类 算法比较
• 年，卷（期）: 2020,（24）
• 所属期刊栏目: 电子与信息器件
• 页码范围: 67-71
• 页数: 5页
• 分类号: TN131⁃34
• 语种: 中文
• DOI: 10.16652/j.issn.1004⁃373x.2020.24.018

摘要

针对燃气调压器故障数据的非线性、非平稳与高维度的特点,提出基于粒子群优化(PSO)的核主元分析法(KPCA)与学习向量量化神经网络(LVQ)的故障诊断方法.先采用KPCA对故障数据进行降维和降噪,由于核函数中未知参数难以确定,采用粒子群算法(PSO)进行优化得到最优的核参数;然后采用LVQ对数据进行识别分类;最后,将PSO?KPCA?LVQ算法故障诊断正确率及运行时间分别与PSO?KPCA?SVM算法以及LVQ算法进行比较.结果表明,基于PSO?KPCA?LVQ的故障诊断模型优于其他两种算法,验证了该文算法的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王亚慧		44	349	10.0	18.0
2	王莹		4	11	1.0	3.0
3	安允		2	0	0.0	0.0