基于PSO⁃KPCA⁃LVQ的燃气调压器故障诊断

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.

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

所属期刊栏目：43

分类号：TN131⁃34(真空电子技术)

资助基金：国家自然科学基金;北京建筑大学基础研究燃气调压器故障智能诊断技术研究;北京燃气集团横向课题智能化燃气调压设施标准化及安全防护研究

在线出版日期：2020-12-21（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：67-71