文献类型：期刊文章

作　　者：蒋文强[1] 胡绍林[1,2] 郭其亮[1] 陈文卓[1] 宋鹤[1]

JIANG Wenqiang;HU Shaolin;GUO Qiliang;CHEN Wenzhuo;SONG He(School of automation and Information Engineering,Xi'an University of Technology,Xi'an 710000,China;School of Automation and Engineering,Guangdong University of Petrochemical Technology,Maoming 525000,China)

机构地区：[1]西安理工大学自动化与信息工程学院,西安710048 [2]广东石油化工学院自动化学院,广东茂名525000

出　　处：《流体机械》

基　　金：国家自然科学基金项目(61973094);茂名市自然科学基金项目(2020S004);广东省基础与应用基础研究基金项目(2314050004099)。

年　　份：2022

卷　　号：50

期　　号：12

起止页码：79-85

语　　种：中文

收录情况：BDHX、BDHX2020、CSCD、CSCD2021_2022、JST、RCCSE、ZGKJHX、核心刊

摘　　要：为了提高气动调节阀故障诊断准确率,本文提出一种基于粒子群优化随机森林(PSO-RF)的故障诊断方法,该方法通过粒子群优化算法寻找随机森林中子树棵数和分裂特征数两个关键参数,克服随机森林算法依靠人工设置关键参数的不足。本文搭建了基于PSO-RF的故障诊断模型,并采用Simulink搭建气动调节阀仿真模型,注入7种常见故障,仿真对比分析4种传统方法(RF、支持向量机、贝叶斯分类和k-NN)与所提方法的诊断性能。仿真结果表明,PSO-RF的故障诊断准确率为99%,验证了该方法的有效性。

关 键 词：气动调节阀 粒子群优化算法 随机森林  故障诊断

分 类 号：TH137]