典型文献
基于PSO-LSSVM的离心泵状态预测方法
文献摘要：
油田系统中离心泵因长期在恶劣环境下运行,受现场工况、介质腐蚀等因素影响,故障信号多表征出明显的非线性和时变非平稳性,数据量大,运行状态难以实时准确预测,本文提出了一种基于粒子群算法(PSO)优化最小二乘支持向量机(LS-SVM)的离心泵状态预测方法.首先利用粒子群算法的全局搜索特性,对最小二乘支持向量机的核参数g和惩罚因子C进行快速自动寻优,其次确定了平均绝对误差、平均相对误差和均方根误差为预测精度评估指标,最后通过实时采集的数据对本文的预测方法进行验证.结果表明:与LS-SVM预测模型相比,PSO优化LS-SVM模型降低了计算的复杂性,具有泛化能力强,预测精度高的优点,平均绝对误差、平均相对误差和均方根误差较LS-SVM模型分别减少了 52％、56％和44％.该方法可为预测性维修提供理论依据,在工程实践方面具有良好的应用前景.
文献关键词：
离心泵;粒子群算法;最小二乘支持向量机;状态预测
中图分类号：
作者姓名：
左学谦;熊芝;聂磊;丁善婷
作者机构：
武昌首义学院机电与自动化学院 武汉430064;湖北工业大学机械工程学院 武汉430068;湖北省现代制造质量工程重点实验室 武汉430068
文献出处：
引用格式：
[1]左学谦;熊芝;聂磊;丁善婷-.基于PSO-LSSVM的离心泵状态预测方法)[J].电子测量技术,2022(19):89-94
A类：
B类：
PSO,LSSVM,离心泵,状态预测,油田,恶劣环境,下运,故障信号,多表征,非平稳性,数据量,准确预测,粒子群算法,最小二乘支持向量机,全局搜索,核参数,惩罚因子,快速自动,平均绝对误差,平均相对误差,精度评估,实时采集,泛化能力,预测性维修
AB值：
0.268172
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。
