仪器仪表学报
儀器儀錶學報
의기의표학보
Chinese Journal of Scientific Instrument
2015年
9期
2112-2119
,共8页
黄为勇%王义%田秀玲%张艳华
黃為勇%王義%田秀玲%張豔華
황위용%왕의%전수령%장염화
发动机故障诊断%支持向量回归机(SVR)%聚类%Tent混沌映射%量子粒子群优化算法
髮動機故障診斷%支持嚮量迴歸機(SVR)%聚類%Tent混沌映射%量子粒子群優化算法
발동궤고장진단%지지향량회귀궤(SVR)%취류%Tent혼돈영사%양자입자군우화산법
engine fault diagnosis%support vector regression machine (SVR)%clustering%Tent chaotic mapping%quantum-behaved particle swarm optimization algorithm
针对传统基于支持向量分类机(SVC)的发动机多模式故障诊断方法需要多个二类分类器的问题,提出了一种基于支持向量回归机(SVR)的多模式故障诊断方法.该方法首先应用归一化的故障数据样本和一个支持向量回归机构建一个发动机故障诊断回归模型,再对支持向量回归机的输出结果进行基于距离的聚类操作得到发动机的故障模式,诊断模型的参数向量采用一种基于Tent混沌映射的量子粒子群优化算法及样本测试集的均方根误差与平均相对误差同时最小的准则进行整定.实验结果表明,所提出的方法能够克服常规支持向量分类机多模式故障诊断方法需要多个二类分类器的缺陷,降低了建模的时间复杂度,有效地提高了发动机的故障诊断性能.
針對傳統基于支持嚮量分類機(SVC)的髮動機多模式故障診斷方法需要多箇二類分類器的問題,提齣瞭一種基于支持嚮量迴歸機(SVR)的多模式故障診斷方法.該方法首先應用歸一化的故障數據樣本和一箇支持嚮量迴歸機構建一箇髮動機故障診斷迴歸模型,再對支持嚮量迴歸機的輸齣結果進行基于距離的聚類操作得到髮動機的故障模式,診斷模型的參數嚮量採用一種基于Tent混沌映射的量子粒子群優化算法及樣本測試集的均方根誤差與平均相對誤差同時最小的準則進行整定.實驗結果錶明,所提齣的方法能夠剋服常規支持嚮量分類機多模式故障診斷方法需要多箇二類分類器的缺陷,降低瞭建模的時間複雜度,有效地提高瞭髮動機的故障診斷性能.
침대전통기우지지향량분류궤(SVC)적발동궤다모식고장진단방법수요다개이류분류기적문제,제출료일충기우지지향량회귀궤(SVR)적다모식고장진단방법.해방법수선응용귀일화적고장수거양본화일개지지향량회귀궤구건일개발동궤고장진단회귀모형,재대지지향량회귀궤적수출결과진행기우거리적취류조작득도발동궤적고장모식,진단모형적삼수향량채용일충기우Tent혼돈영사적양자입자군우화산법급양본측시집적균방근오차여평균상대오차동시최소적준칙진행정정.실험결과표명,소제출적방법능구극복상규지지향량분류궤다모식고장진단방법수요다개이류분류기적결함,강저료건모적시간복잡도,유효지제고료발동궤적고장진단성능.
