典型文献
基于IGA-SVM的气动调节阀在线故障检测及诊断
文献摘要：
针对气动调节阀停机检修损失大、运行状态不易评估、故障模式复杂且故障诊断极为依赖工程经验等问题,结合残差法实现了故障的在线检测,并对传统的遗传算法进行改进,提出一种基于改进遗传算法优化的支持向量机(Improved Genetic Algorithm optimized Support vector machine,IGA-SVM)的故障诊断算法,作为实现气动调节阀在线故障诊断的算法基础.实验选取四类典型故障进行模拟、测试及数据分析,对阀门故障进行检测与诊断,结果表明:基于残差法的故障检测方法可以有效检测气动调节阀的故障发生,IGA-SVM算法测试诊断率达到92.67％,相较于传统方法具有提升.
文献关键词：
气动调节阀;故障诊断;支持向量机;改进遗传算法;参数优化
中图分类号：
作者姓名：
张代福;赵桂生;刘苏州;周犊;戚知宽;周邵萍
作者机构：
华东理工大学,上海 200237;中广核研究院有限公司,广东 深圳 518000;中广核核电运营有限责任公司,广东 深圳 518000
文献出处：
引用格式：
[1]张代福;赵桂生;刘苏州;周犊;戚知宽;周邵萍-.基于IGA-SVM的气动调节阀在线故障检测及诊断)[J].化工设备与管道,2022(02):57-63
A类：
B类：
IGA,气动调节阀,在线故障检测,停机,检修,故障模式,残差法,在线检测,改进遗传算法,遗传算法优化,Improved,Genetic,Algorithm,optimized,Support,vector,machine,故障诊断算法,在线故障诊断,四类,典型故障,阀门故障,故障检测方法,有效检测,算法测试,测试诊断,诊断率
AB值：
0.381949
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。
