基于PSO-LSSVM的离心泵状态预测方法
油田系统中离心泵因长期在恶劣环境下运行,受现场工况、介质腐蚀等因素影响,故障信号多表征出明显的非线性和时变非平稳性,数据量大,运行状态难以实时准确预测,本文提出了一种基于粒子群算法(PSO)优化最小二乘支持向量机(LS-SVM)的离心泵状态预测方法.首先利用粒子群算法的全局搜索特性,对最小二乘支持向量机的核参数g和惩罚因子C进行快速自动寻优,其次确定了平均绝对误差、平均相对误差和均方根误差为预测精度评估指标,最后通过实时采集的数据对本文的预测方法进行验证.结果表明:与LS-SVM预测模型相比,PSO优化LS-SVM模型降低了计算的复杂性,具有泛化能力强,预测精度高的优点,平均绝对误差、平均相对误差和均方根误差较LS-SVM模型分别减少了 52%、56%和44%.该方法可为预测性维修提供理论依据,在工程实践方面具有良好的应用前景.
离心泵、粒子群算法、最小二乘支持向量机、状态预测
45
TH39(泵)
国家重点研发计划;襄阳湖北工业大学产业研究院项目;国家自然科学基金
2023-02-22(万方平台首次上网日期,不代表论文的发表时间)
共6页
89-94