典型文献
基于改进鸡群算法和相关向量机的燃气轮机气路故障诊断技术研究
文献摘要：
在管道输送过程中,燃气轮机的健康状态与管道的安全平稳运行密切相关.为提高燃驱压缩机组燃气轮机气路故障诊断的准确率,以双轴燃气轮机为对象,通过建模获得不同气路故障类型的数据集,引入相关向量机(RVM)模型对典型气路故障进行分类诊断,并采用改进鸡群算法(ECSO)对RVM模型的超参数进行寻优.结果表明,ECSO-RVM模型的分类精度为95.55％,明显优于支持向量机(SVM)、径向基核函数(RBF)神经网络、反向传播(BP)神经网络、改进蜂群算法-自适应模糊推理系统(IABC-ANFIS)和深度置信网络(DBN)等模型;在添加不同程度高斯白噪声的条件下,ECSO-RVM模型的分类精度始终保持在80％以上,说明该模型的分类精度、抗噪声能力和泛化能力较好,可用于燃气轮机气路故障的快速识别和诊断.
文献关键词：
改进鸡群算法(ECSO);相关向量机(RVM);燃气轮机;气路故障;分类精度
中图分类号：
作者姓名：
张平;罗易洲;王子聪;李亚民
作者机构：
国家管网集团联合管道有限责任公司西部分公司,乌鲁木齐 830011;辽宁沃尔德沃克科技有限公司,沈阳 110121
文献出处：
引用格式：
[1]张平;罗易洲;王子聪;李亚民-.基于改进鸡群算法和相关向量机的燃气轮机气路故障诊断技术研究)[J].北京化工大学学报（自然科学版）,2022(06):73-82
A类：
ECSO,自适应模糊推理系统
B类：
改进鸡群算法,相关向量机,燃气轮机,气路故障诊断,故障诊断技术,管道输送,健康状态,安全平稳,燃驱,压缩机组,双轴,同气,故障类型,RVM,分类诊断,超参数,分类精度,径向基核函数,RBF,反向传播,改进蜂群算法,IABC,ANFIS,深度置信网络,DBN,高斯白噪声,始终保持,抗噪声能力,泛化能力,快速识别
AB值：
0.241774
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
