Fault Diagnosis of PT Fuel System Based on Particle Swarm Optimization-Support Vector Machine

作者
Dong Wang,Xin Qing Wang,Xiao Long Wang,Sheng Liang,Yang Zhao
出处
期刊:Applied Mechanics and Materials [Trans Tech Publications]
卷期号:121-126: 2809-2813 被引量:2
标识
DOI:10.4028/www.scientific.net/amm.121-126.2809
摘要

In order to overcome the difficulty in selecting parameters of support vector machine (SVM) when modeling the PT fuel system fault diagnosis, SVM optimized by particle swarm optimization (PSO) algorithm was proposed. The PSO-SVM model was established and the fault multi-classifiers of the SVM were got. The pressure signal of the PT fuel inlet and outlet at different rotational speed and conditions was collected. The algorithm of PSO-SVM was used to train and recognize the pressure signal. The result of experiment confirms the validity of this method through comparison of the BP-NN, SVM and the PSO-SVM.

科研通智能强力驱动
Strongly Powered by AbleSci AI
科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
ilmadf发布了新的文献求助10
1秒前
平常静丹完成签到,获得积分10
2秒前
2秒前
拒绝划水完成签到,获得积分10
3秒前
foxdaopo完成签到,获得积分10
4秒前
曹丶丶发布了新的文献求助10
4秒前
栗子完成签到,获得积分20
4秒前
七号在野闪闪完成签到 ,获得积分10
4秒前
充电宝应助小乔大王采纳,获得10
4秒前
是这样发布了新的文献求助10
5秒前
平常静丹发布了新的文献求助10
5秒前
Rourou完成签到,获得积分10
6秒前
v0id应助啦啦啦啦啦采纳,获得10
6秒前
6秒前
6秒前
故乡月亮完成签到,获得积分10
7秒前
田様应助Aceawei采纳,获得10
8秒前
9秒前
9秒前
英俊溪灵完成签到,获得积分10
9秒前
woshi123应助couletian采纳,获得10
9秒前
细腻皮带完成签到,获得积分10
10秒前
10秒前
大方的山灵完成签到,获得积分10
12秒前
故乡月亮发布了新的文献求助10
12秒前
菜菜捞捞过过完成签到,获得积分10
12秒前
16秒前
研友_VZG7GZ应助Ruolin采纳,获得10
16秒前
dadsafyf发布了新的文献求助20
16秒前
lii完成签到,获得积分10
18秒前
18秒前
科研通AI6.4应助yolo采纳,获得10
18秒前
沐偶完成签到,获得积分10
19秒前
19秒前
sala完成签到,获得积分20
20秒前
松山文女士完成签到 ,获得积分10
21秒前
地球发布了新的文献求助10
21秒前
21秒前
22秒前
23秒前
高分求助中
(应助此贴封号)【重要!!请各用户(尤其是新用户)详细阅读】【科研通的精品贴汇总】 10000
APA handbook of comparative psychology: Basic concepts, methods, neural substrate, and behavior 1000
全员动态考核,锚定高质量发展:读懂同济大学教师人事改革新政的深层价值 900
Health Psychology 800
Matrix Methods in Data Mining and Pattern Recognition Second Edition 510
The fast track to determining transfer functions of linear circuits: The student guide 500
Römisch-Germanische Forschungen 500
热门求助领域 (近24小时)
化学 材料科学 医学 生物 纳米技术 工程类 有机化学 化学工程 生物化学 计算机科学 内科学 物理 复合材料 催化作用 细胞生物学 无机化学 光电子学 物理化学 电极 基因
热门帖子
关注 科研通微信公众号,转发送积分 7594857
求助须知:如何正确求助?哪些是违规求助? 9171761
关于积分的说明 19633006
捐赠科研通 7172335
什么是DOI,文献DOI怎么找? 3267785
关于科研通互助平台的介绍 2432521
邀请新用户注册赠送积分活动 2260741