| PSO-LSSVM的核电站破口故障程度评估方法 |
| |
| 引用本文： | 王志超,夏虹,彭彬森,朱少民.PSO-LSSVM的核电站破口故障程度评估方法[J].哈尔滨工程大学学报,2021,42(12):1748-1753. |
| |
| 作者姓名： | 王志超 夏虹 彭彬森 朱少民 |
| |
| 作者单位： | 哈尔滨工程大学 核安全与先进核能技术重点实验室,黑龙江 哈尔滨 150001;哈尔滨工程大学 核安全与仿真技术国防重点学科实验室,黑龙江 哈尔滨150001 |
| |
| 摘 要： | 为了保证从核电站大量数据中有效地挖掘信息以及故障下运行状态的智能表征,本文提出一种基于粒子群优化和最小二乘支持向量机的系统级故障程度评估方法,用于完善故障诊断系统的功能.针对最小二乘支持向量机算法的超参数选取对于回归精度影响较大问题,应用基于粒子群优化算法借助智能搜索策略来优化模型的超参数.基于最优超参数的回归模型能够提取系统级参数间的约束关系,以进行实时故障程度的评估.性能测试表明:采用提出的方法能够有效评估核电站系统级故障的程度,相较于粒子群优化-支持向量机以及最小二乘支持向量机算法具有更高的回归精度,且抗噪性能良好,保证了故障诊断系统的精度及可靠性.
|
| 关 键 词： | 核动力装置 故障程度评估 最小二乘-支持向量机 粒子群优化算法 运行支持 回归模型 优化算法 数据驱动 |
Evaluation method for the brake failure severity of nuclear power plants based on PSO-LSSVM |
| |
| WANG Zhichao,XIA Hong,PENG Binsen,ZHU Shaomin.Evaluation method for the brake failure severity of nuclear power plants based on PSO-LSSVM[J].Journal of Harbin Engineering University,2021,42(12):1748-1753. |
| |
| Authors: | WANG Zhichao XIA Hong PENG Binsen ZHU Shaomin |
| |
| Abstract: | |
| |
| Keywords: | |
| 本文献已被 万方数据 等数据库收录！ |
|
