基于CS-BBO优化SVM的汽轮机转子故障诊断  

Fault Diagnosis for Steam Turbine Rotor by Using Support Vector Machine Based on CS-BBO Optimization Algorithm

作　　者：石志标[1] 葛春雪 

机构地区：[1]东北电力大学机械工程学院,吉林132012

出　　处：《振动．测试与诊断》2018年第3期619-626,共8页Journal of Vibration,Measurement & Diagnosis

基　　金：国家自然科学基金资助项目(51576036);吉林省科技发展计划资助项目(20100506)

摘　　要：为了提高汽轮机转子故障诊断的准确率和识别效率,提出了一种基于混沌的生物地理学优化算法(biogeography-based optimization with chaos,简称CS-BBO)和支持向量机(support vector machine,简称SVM)相结合的故障诊断方法。首先,将混沌理论引入到生物地理学优化算法(biogeography-based optimization,简称BBO)中,得到CS-BBO算法;其次,通过CS-BBO算法优化SVM得到诊断模型的最优参数,增强SVM的学习能力和泛化能力;最后,通过ZT-3转子试验台模拟汽轮机转子故障,利用得到的4种状态下的试验数据验证优化模型的有效性。结果表明:CS-BBO算法优化SVM的模型可以准确、高效地对汽轮机转子进行故障诊断;与BBO算法优化SVM模型相比,该方法的故障诊断准确率和识别效率更高。

关 键 词：支持向量机 参数优化 混沌生物地理学优化算法 故障诊断 汽轮机转子 

分 类 号：TK267[动力工程及工程热物理—动力机械及工程] TH17[机械工程—机械制造及自动化]