文献知网节
  • 记笔记

粒子群优化–最小二乘支持向量机算法在高压断路器机械故障诊断中的应用

贾嵘1洪刚1薛建辉1崔建武2

1. 西安理工大学水利水电学院2. 中国水电顾问集团西北勘测设计研究院

摘要:提出了一种高压断路器机械故障诊断的智能算法,该算法采用最小二乘支持向量机(least squares support vector machine,LSSVM)算法,提取高压断路器振动信号的特征熵;为了提高故障诊断的精度,采用粒子群优化(particle swarm optimization,PSO)算法,优化LSSVM算法的参数。算例表明:PSO-LSSVM算法不仅能够取得良好的分类效果,而且诊断速度与精度均高于传统的支持向量机(support vector machine,SVM)算法,适用于高压断路器机械故障诊断。
  • DOI:

    10.13335/j.1000-3673.pst.2010.03.012

  • 专辑:

    理工C(机电航空交通水利建筑能源)

  • 专题:

    电力工业

  • 分类号:

    TM561

  • 手机阅读
    即刻使用手机阅读
    第一步

    扫描二维码下载

    "移动知网-全球学术快报"客户端

    第二步

    打开“全球学术快报”

    点击首页左上角的扫描图标

    第三步

    扫描二维码

    手机同步阅读本篇文献

  • HTML阅读
  • CAJ下载
  • PDF下载

下载手机APP用APP扫此码同步阅读该篇文章

下载:767 页码:197-200 页数:4 大小:768K

相关文献推荐
  • 相似文献
  • 读者推荐
  • 相关基金文献
  • 关联作者