-
题名基于排列熵与IFOA-RVM的汽轮机转子故障诊断
被引量：18
- 1
-
-
作者
石志标
陈斐
曹丽华
-
机构
东北电力大学机械工程学院
东北电力大学能源与动力工程学院
-
出处
《振动与冲击》
EI
CSCD
北大核心
2018年第5期79-84,113,共7页
-
基金
国家自然科学基金(51576036)
吉林省科技发展计划项目(20100506)
-
文摘
为了提高汽轮机转子故障诊断的识别准确率和效率,提出基于排列熵与改进的果蝇算法(IFOA)优化相关向量机(RVM)的汽轮机转子故障诊断方法。将实验数据进行自适应完备的集合经验模态分解(CEEMDAN),并选取故障特征敏感的IMF分量计算排列熵,以此构造特征样本集,进而建立"二叉树"IFOA-RVM故障分类器对特征集进行分类,其中IFOA通过两个阶段来定义果蝇群体的搜索范围来提高搜索效率,同时避免RVM核函数陷入局部最优。通过ZT-3汽轮机转子模拟试验台获得的故障数据进行实验研究,结果表明与模糊熵对比,排列熵获得的特征样本集的聚类效果明显;IFOA-RVM分类器在故障识别准确率和效率上优于FOA-RVM等其它分类器;证明了基于排列熵与IFOA-RVM汽轮机转子故障诊断方法的有效性和可行性。
-
关键词
ifoa
RVM
汽轮机转子
故障诊断
-
Keywords
improvement of fruit fly optimization algorithm(ifoa)
relevance vector machine(RVM)
steam turbine rotor
fault diagnosis
-
分类号
TK267
[动力工程及工程热物理—动力机械及工程]
-
-
题名基于预处理的IFOA-ELM煤与瓦斯突出预测模型
被引量：15
- 2
-
-
作者
温廷新
靳露露
-
机构
辽宁工程技术大学系统工程研究所
-
出处
《中国安全科学学报》
CAS
CSCD
北大核心
2020年第1期35-41,共7页
-
基金
国家自然科学基金资助(71371091)
辽宁省社科基金资助(L14BTJ004)。
-
文摘
为快速准确地预测煤与瓦斯突出危险性,提出一种基于预处理的改进果蝇优化算法(IFOA)-极限学习机(ELM)的预测模型。首先预处理平顶山八矿的部分实测数据,采用灰色关联分析(GRA)法与熵权法(EWM)结合的灰色关联熵分析(GREA)法剔除影响程度较小的因素,应用主成分分析法(PCA)进一步约简因素;构建煤与瓦斯突出危险性预测模型,基于果蝇优化算法(FOA),引入自适应步长更新策略及群体适应度方差策略设计IFOA;利用IFOA优选ELM输入层权值及隐含层阈值,对预处理样本数据进行训练、预测并对比其他模型预测效果。结果表明:基于预处理的IFOA-ELM模型预测结果与实际结果完全拟合,预测效果显著优于未预处理的模型;基于预处理的IFOA-ELM模型的分类准确率和召回率均为100%,显著高于其他对比模型。
-
关键词
煤与瓦斯突出预测
灰色关联熵分析(GREA)
主成分分析(PCA)
极限学习机(ELM)
改进的果蝇优化算法(ifoa)
-
Keywords
coal and gas outburst prediction
grey relational entropy analysis(GREA)
principal component analysis(PCA)
extreme learning machine(ELM)
improved fruit fly optimization algorithm(ifoa)
-
分类号
X936
[环境科学与工程—安全科学]
-
-
题名基于自适应果蝇优化算法的PID参数优化
被引量：6
- 3
-
-
作者
李明辉
曹泽
王玉洁
-
机构
陕西科技大学机电工程学院
上海亚太计算机信息系统有限公司
-
出处
《机床与液压》
北大核心
2018年第20期144-147,共4页
-
基金
陕西省重点研发计划资助项目(2018GY-042)
咸阳市科技局资助项目(2017K02-05)
-
文摘
针对基本果蝇优化算法(FOA)控制精度不高且易陷入局部最优的缺陷,提出一种自适应果蝇优化算法(IFOA)的PID参数优化方案。该算法以控制偏差绝对值和输入平方项的时间积分作为适应度函数,经过迭代寻优得到最优的PID参数值。通过二阶时滞系统测试并与基本果蝇优化算法比较,结果表明:该算法控制精度高、响应速度快、鲁棒性好,为PID参数优化提供了参考。
-
关键词
自适应果蝇优化算法(ifoa)
适应度函数
PID
参数优化
-
Keywords
improved fruit-fly optimization algorithm(ifoa)
Fitness function
PID
Parameter optimization
-
分类号
TP273
[自动化与计算机技术—检测技术与自动化装置]
-
