|
|
基于优化相关向量机的化工装备故障预测方法 |
郁鹏,吉卫喜,钱陈豪,张国祥 |
(1.江南大学机械工程学院,江苏 无锡214122;2.江苏省食品先进制造装备技术重点实验室,江苏 无锡214122) |
|
|
摘要 针对影响化工装备的主要因素—腐蚀速率,在采集少量压力容器状态数据的基础上,提出了基于自导式粒子群优化算法(SGPSO)的相关向量机(RVM)故障预测方法。首先判别影响最为显著的5个表征因素;其次,使用SGPSO算法得到RVM模型最优核函数参数;然后通过样本数据计算得到预测结果的均值与方差,同时计算得到预测结果的概率分布与置信区间。仿真结果表明,SGPSORVM方法具有更高的准确率以及可靠度,因此该方法能够更有效的预测腐蚀速率,及时对化工装备的故障进行维修。
|
|
关键词:
化工装备
自导式粒子群优化算法
相关向量机
故障预测
腐蚀速率
|
收稿日期: 2016-09-19
|
: |
中图分类号:TQ053.2 文献标志码:A 文章编号:0253-4320(2017)05-0189-04
|
|
|
[1] |
. [J]. Modern Chemical Industry, 2015, 35(11): 77
-80
. |
[2] |
. [J]. Modern Chemical Industry, 2015, 35(12): 128
-130,132
. |
[3] |
. [J]. Modern Chemical Industry, 2017, 37(6): 103
-0106,108
. |
[4] |
. [J]. , 2003, 23(5): 0
. |
[5] |
. [J]. , 2009, 29(6): 0
. |
[6] |
. [J]. , 2010, 30(3): 0
. |
[7] |
. [J]. , 2010, 30(7): 0
. |
[8] |
. [J]. , 2007, 27(2): 0
. |
[9] |
. [J]. Modern Chemical Industry, 2014, 34(2): 131
-133
. |
[10] |
. [J]. Modern Chemical Industry, 2014, 34(4): 14
-16
. |
|
|
Viewed |
|
|
|
Full text
|
|
|
|
|
Abstract
|
|
|
|
|
Cited |
|
|
|
|
|
Shared |
|
|
|
|
|
Discussed |
|
|
|
|