作者：陈长河; 石志标; 曹丽华支持向量机云粒子群算法故障诊断汽轮机转子
摘要：为了提高汽轮机转子故障诊断的识别准确率和效率,提出了一种基于云粒子群算法（cloud particle swarm optimization,简称CPSO）优化支持向量机（support vector machine,简称SVM）的故障诊断方法。首先,将云理论与粒子群算法（PSO）相结合得到CPSO算法;其次,通过CPSO算法优化的SVM得到诊断模型;最后,通过ZT-3转子试验台进行汽轮机转子常见故障模拟实验,获取故障数据后进行故障识别研究。结果表明：与PSO-SVM模型相比,CPSO-SVM的诊断模型可以准确、高效地识别出故障类型,证明了该诊断方法的有效性和可行性。
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
