典型文献
基于遗传算法优化支持向量机的船用柴油机气门漏气故障智能诊断方法
文献摘要：
针对船用柴油机气阀漏气故障的问题,提出一种结合遗传算法(genetic algorithm,GA)与支持向量机(support vector machine,SVM)的船舶柴油机气阀漏气振动诊断方法,称之为遗传算法优化支持向量机(GA-SVM).通过分析静态与动态工况下的缸盖振动信号,提取训练SVM特征参数,利用GA-SVM的惩罚因子与核函数参数对故障进行识别.试验结果表明,GA-SVM方法完善了SVM参数选取方法,可有效识别柴油机气门漏气故障.优化后的整体故障诊断准确率为99.333％,相比于未优化前的测试集,故障诊断正确率提高了约2％.
文献关键词：
柴油机;故障诊断;气门漏气;遗传算法;支持向量机;故障模式识别
中图分类号：
作者姓名：
蔡一杰;陈俊杰;王君;张云东;杨建国
作者机构：
湖北工业大学 机械工程学院,武汉 430068;湖北工业大学 现代制造质量工程湖北省重点实验室,武汉430068;武汉理工大学 能源与动力工程学院,武汉 430070;中国海警局某直属局,三亚 572000
文献出处：
引用格式：
[1]蔡一杰;陈俊杰;王君;张云东;杨建国-.基于遗传算法优化支持向量机的船用柴油机气门漏气故障智能诊断方法)[J].内燃机工程,2022(02):71-76,84
A类：
气门漏气
B类：
遗传算法优化,优化支持向量机,船用柴油机,故障智能诊断,智能诊断方法,气阀,genetic,algorithm,GA,support,vector,machine,船舶柴油机,称之为,动态工况,缸盖,振动信号,惩罚因子,核函数,函数参数,参数选取,故障诊断准确率,测试集,诊断正确率,故障模式识别
AB值：
0.272071
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。
