基于超参数优化的SOFC系统故障分类方法
樊洋1
付晓薇2
李曦3
1.武汉科技大学计算机科学与技术学院 武汉 430065;智能信息处理与实时工业系统湖北省重点实验室 武汉 4300652.武汉科技大学计算机科学与技术学院 武汉 430065;智能信息处理与实时工业系统湖北省重点实验室 武汉 430065;华中科技大学材料成形与模具技术国家重点实验室 武汉 4300743.华中科技大学人工智能与自动化学院 武汉 430074
摘要：固体氧化物燃料电池(Solid Oxide Fuel Cell,SOFC)是一种高效、绿色环保新能源,是解决能源与环境危机的重要途径与必然趋势.SOFC系统数据具有高维度、非线性结构及工作状态复杂等特点.为了提高SOFC系统使用寿命,论文提出了一种基于数据驱动的固体氧化物燃料电池系统多故障分类方法.首先,利用主成分分析进行故障信息提取;然后,对降维的特征空间,采用粒子群优化算法对支持向量机进行超参数寻优;最后,构建超参数优化支持向量机分类模型.实验结果表明,该方法能够准确、有效识别SOFC系统故障类型.
关键词：故障分类SOFC主成分分析粒子群优化算法支持向量机
分类号：TP391(计算技术、计算机技术)
资助基金：国家自然科学基金(61873323)材料成形与模具技术国家重点实验室开放课题研究基金项目(P2018-016)湖北省自然科学基金(2017CFB506)湖北省自然科学基金(2016CFA037)武汉市科技计划项目(2018010401011292)武汉科技大学国防预研基金项目(GF201912)智能信息处理与实时工业系统湖北省重点实验室开放课题项目(znxx2018ZD01)
论文发表日期：2023-04-20
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：7( 775-780,948 )
英文信息