基于综合优化方法的风力发电机故障诊断
支持向量机（SVM）一种新型的统计学习方法。但是作为分类算法，它存在计算量大、运行时间长的缺点。本文针对LSSVM的参数选择问题，引入物理学中的黑洞概念，建立黑洞模型，结合模拟退火算法，提出了黑洞粒子群-模拟退火算法(BH-PSOSA)。该算法可以增加粒子的多样性, 克服PSO算法优化过程中陷入局部极值的问题,提高了优化性能,改善了收敛特性。利用BHPSO-SA算法对LSSVM的参数进行优化选择，用UCI数据库的数据进行分类验证，相比CV参数优化的LSSVM，提高了分类速度和精度。最后把BHPSOSA-LSSVM算法应用到风机齿轮箱的故障诊断中，取得了良好的效果。
风机齿轮箱 故障诊断 支持向量机 最小二乘法 黑洞粒子群 模拟退火算法
焦斌 徐志翔
上海电机学院电气学院，上海 200240
国内会议
厦门
中文
1-8
2012-08-01（万方平台首次上网日期，不代表论文的发表时间）