文献类型：期刊文章

作　　者：孙凯[1] 田国清[2] 田宏[3] 段文超[1] 田洋[1] 陈立军[1]

机构地区：[1]东北电力大学自动化工程学院,吉林吉林132012 [2]华能新华发电有限责任公司,黑龙江大庆163815 [3]包头钢铁职业技术学院自动化系,内蒙古包头014010

出　　处：《东北电力大学学报》

年　　份：2012

卷　　号：32

期　　号：3

起止页码：26-30

语　　种：中文

收录情况：JST、RCCSE、普通刊

摘　　要：针对支持向量机相关参数很难预先确定合适的取值,而这些相关参数又对其分类精度有着很大影响的问题,本文利用改进的遗传算法(IGA)对支持向量机的相关参数进行了优化。将改进遗传算法优化的支持向量机(IGA-SVM)算法应用于汽轮机故障诊断中,并与标准遗传算法优化的支持向量机(GA-SVM)算法的识别结果进行比较。结果表明,IGA-SVM算法对故障数据能够得到较优的分类辨识结果,对汽轮机的故障诊断有显著的指导作用。

关 键 词：支持向量机 遗传算法  参数优化 汽轮机 故障诊断  

分 类 号：TP206.3]