基于SADE的混合核LSSVM在压缩机故障预测中的应用

摘要：

螺杆式制冷压缩机存在种类多样性以及故障的复杂性,难以获得有效的预测模型.针对该问题,本文提出了一种基于自适应差分进化算法(SADE)优化的混合核最小二乘支持向量机(LSSVM)的预测模型,该模型的SADE相比其他智能寻优算法理论,其结构简单、参数设置少且搜索能力强.在寻优过程中,SADE分别从差分策略、缩放因子、交叉概率做到了自适应,保证了寻优初期的全局搜索能力和种群多样性,提高了局部搜索能力和收敛速度;利用SADE对核参数、LSSVM参数、混合核调节参数进行寻优,提高了混合核LSSVM预测模型的精度.将该模型运用到压缩机的故障预测实验中,结果表明,该模型能有效地预测出压缩机的故障,验证了该模型的可行性.

关键词：最小二乘支持向量机、混合核、自适应差分进化算法、寻优、故障预测

所属期刊栏目：36

分类号：TP181(自动化基础理论)

资助基金：特殊环境机器人技术四川省重点实验室基金资助项目13ZXTK07

在线出版日期：2019-12-04（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：2708-2711