10.3969/j.issn.1000-7059.2020.06.003
基于量子粒子群算法-支持向量机的冷连轧断带故障诊断
针对冷连轧断带故障原因复杂多样且故障样本难以采集导致故障样本数量少的特点,提出了一种基于支持向量机(support vector machine,简称SVM)分类和量子粒子群算法(quantum particle swarm optimization,简称QPSO)参数优化的冷轧断带故障诊断算法.首先通过核主元分析(kernel principal component analysis,简称KPCA)对数据进行降维;然后构建SVM分类器,分类判断连轧机的运行状态和故障位置.此外,为了获得最佳的故障诊断性能,使用QPSO算法寻找算法中超参数的最优值.试验结果表明,基于QPSO-SVM的断带故障诊断算法相比于传统的基于SVM的参数优化算法,具有更高的分类准确率和更快的迭代速率.
冷连轧、断带、核主元分析、支持向量机、量子粒子群算法
44
北海市科技计划资助项目YYZGFW19062501
2020-12-29(万方平台首次上网日期,不代表论文的发表时间)
共8页
17-24