基于粒子群优化最小二乘支持向量机的离心式制冷机故障诊断

摘要：

针对制冷系统传统故障诊断正确率低的问题,引入最小二乘支持向量机(LSSVM)算法用于制冷系统故障诊断.在LSSVM模型基础上,结合粒子群优化(PSO)得到PSO-LSSVM模型,利用特征选择方法优化得到LSSVM8模型,利用组合方法得到PSO-LSSVM8模型.分析比较了4种模型的诊断性能.结果表明:PSO-LSSVM模型、LSSVM8模型均可改善基于LSSVM模型的制冷系统故障诊断性能,尤其是对于制冷剂泄漏/充注量不足故障,准确率分别提高1.04％,1.24％;PSO-LSSVM8模型比采用单种优化方法的诊断模型具有更好的诊断性能,可克服人为选择参数的盲目性,在全局优化与收敛速度方面具有较大优势,应用于制冷系统故障诊断具有较好的可行性.

关键词：制冷系统、故障诊断、最小二乘支持向量机、粒子群算法、优化

所属期刊栏目：48

资助基金：国家自然科学基金项目“基于敏感特征的制冷系统故障扩散机理研究及早期预测”51506125

在线出版日期：2018-11-12（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：120-126