文献类型：期刊文章

作　　者：何俊强[1] 李建勇[2] 姜涛涛[3] 代勤芳[4] 唐超[1]

机构地区：[1]重庆通信学院控制工程重点实验室 [2]重庆通信学院电力工程系 [3]重庆通信学院政治部 [4]中国人民解放军78088部队

出　　处：《西南科技大学学报》

基　　金：国防科研项目(TZ-CQTY-Y-A-2010-002);重庆市高校优秀成果转化项目(Kjzh10219)

年　　份：2011

卷　　号：26

期　　号：2

起止页码：44-48

语　　种：中文

收录情况：CAS、CSA、CSA-PROQEUST、IC、ZGKJHX、普通刊

摘　　要：针对目前支持向量机(SVM)参数选择的盲目性,结合遗传算法GA的并行搜索和模拟退火算法SA的概率突跳特性,提出一种改进的基于遗传退火算法(GASA)混合策略优化支持向量机惩罚函数和核函数参数的GASA-SVM算法。利用柴油机供油系统油压波形的实测数据,归一化处理后作为诊断模型的特征值,建立了基于GASA-SVM的柴油机供油系统故障诊断模型。通过与BP神经网络、RBF神经网络、SVM和GA-SVM故障诊断模型比较表明:应用GASA-SVM建立的故障诊断模型在故障识别准确性上优于其它网络模型,能够有效进行柴油机供油系统的故障诊断。

关 键 词：遗传退火算法(GASA)  支持向量机(SVM)  供油系统 故障诊断  

分 类 号：TP18] TK428]