首页  |  期刊简介  |  期刊荣誉  |  编委会  |  现任主编  |  投稿指南  |  下载中心  |  期刊征订
中文核心期刊
Ei Compendex收录期刊
中国科学引文数据库来源期刊
中文科技期刊数据库收录期刊
国际刊号:1004-6801
国内刊号:32-1361/V
用户登录
  E-mail:  
  密  码:  
  作者 审稿  
  编辑 读者  
期刊向导
联系方式
  • 主管:中华人民共和国工业和信息化部
  • 主办:南京航空航天大学
  •           全国高校机械工程测试技术研究会
  • 国际刊号:1004-6801
  • 国内刊号:32-1361/V
  • 地址:南京市御道街29号
  • 电话:025-8489 3332
  • 传真:025-8489 3332
  • E-mail:qchen@nuaa.edu.cn
  • 邮编:210016
基于CS-BBO优化SVM的汽轮机转子故障诊断
Fault Diagnosis for Steam Turbine Rotor by Using Support Vector Machine Based on CS-BBO Optimization Algorithm
  
DOI:10.16450/j.cnki.issn.1004-6801.2018.03.029
中文关键词:  支持向量机  参数优化  混沌生物地理学优化算法  故障诊断  汽轮机转子
英文关键词:support vector machine  parameter optimization  biogeography-based optimization with chaos  fault diagnosis  steam turbine rotor
基金项目:(国家自然科学基金资助项目(51576036);吉林省科技发展计划资助项目(20100506)
作者单位
石志标,葛春雪 (东北电力大学机械工程学院发吉林132012) 
摘要点击次数: 430
全文下载次数: 2338
中文摘要:
      为了提高汽轮机转子故障诊断的准确率和识别效率,提出了一种基于混沌的生物地理学优化算法(biogeography based optimization with chaos, 简称CS-BBO)和支持向量机(support vector machine, 简称SVM)相结合的故障诊断方法。首先,将混沌理论引入到生物地理学优化算法(biogeography based optimization, 简称BBO)中,得到CS-BBO算法;其次,通过CS-BBO算法优化SVM得到诊断模型的最优参数,增强SVM的学习能力和泛化能力;最后,通过ZT-3转子试验台模拟汽轮机转子故障,利用得到的4种状态下的试验数据验证优化模型的有效性。结果表明:CS-BBO算法优化SVM的模型可以准确、高效地对汽轮机转子进行故障诊断;与BBO算法优化SVM模型相比,该方法的故障诊断准确率和识别效率更高。
英文摘要:
      To improve the accuracy and efficiency of turbine rotor fault diagnosis, a new method of fault diagnosis based on the biogeography-based optimization with chaos (CS-BBO) and support vector machine (SVM) is introduced. Firstly, the chaos theory is introduced into the biogeography-based optimization algorithm (BBO), the CS-BBO algorithm is obtained. Then, the optimal parameters of the SVM diagnostic model are obtained through the CS-BBO algorithm, and optimization model enhances the learning ability and generalization ability of SVM. Finally, the validity of the optimization model is verified by the experimental data of 4 kinds of states from ZT-3 rotor test bench to simulate the turbine rotor fault. The results show that the optimized model of SVM obtained by CS-BBO algorithm can be used to diagnose the fault of the steam turbine rotor accurately and efficiently. Compared with the optimized SVM model, which is obtained by the biogeography-based optimization algorithm, the accuracy and efficiency of fault diagnosis of this method is higher.
查看全文  查看/发表评论  下载PDF阅读器
关闭

Copyright @2010-2015《振动、测试与诊断》

地址:南京市御道街29号        邮编:210016

电话:025-8489 3332      传真:025-8489 3332       E-mail:qchen@nuaa.edu.cn

您是本站第2218299位访问者 本站今日一共被访问431

技术支持:北京勤云科技发展有限公司