给水管网故障智能诊断方法  

Intelligent Fault Diagnosis of Water Supply Network

作　　者：杨世凤[1] 高相铭[2] 胡瑜[1] 

机构地区：[1]天津科技大学电子信息与自动化学院,天津300222 [2]天津科技大学机械工程学院,天津300222

出　　处：《振动．测试与诊断》2011年第1期11-14,124-125,共4页Journal of Vibration,Measurement & Diagnosis

基　　金：国家"十一五"科技支撑计划重点资助项目(编号:2006BAJ16B08)

摘　　要：针对传统的支持向量机(support vector machine,简称SVM)参数选择方法以人工试验为主,花费时间长且很难得到最优参数的问题,提出了一种基于遗传算法(genetic algorithm,简称GA)的支持向量机参数自动寻优方法。利用GA的全局搜索能力对支持向量机的各项参数进行寻优预处理,找到最优的参数取值,建立基于遗传算法的支持向量机模型(GA-SVM)。以某小型给水管网为研究对象,采用水力分析算法求得管网局部破坏状态下的各项数据,并用这些数据对预测模型进行故障诊断试验,结果表明,经遗传算法优化的支持向量机模型具有较高的预测精度,整体性能优于传统的BP神经网络模型。The traditional parameter selection method using support-vector-machine(SVM) is time-consuming and difficult to obtain the optimal parameters because it is based on artificial tests.So,this paper presents an automatic optimization-selection method based on genetic algorithm(GA).The global search capability of GA was adopted to obtain the optimum values automatically in the range of the SVM parameters.An SVM regression model was built to diagnose a small-scale water supply network.The results show that the forecast accuracy of the model optimized by GA is higher than that of the BP network.In addition,the overall diagnosis performance of the SVM regression model using GA is superior to that of the traditional BP network.

关 键 词：给水管网 故障诊断 遗传算法 优化支持向量机 

分 类 号：TP391[自动化与计算机技术—计算机应用技术] TH17[自动化与计算机技术—计算机科学与技术]