基于改进乌鸦算法优化ELM的TE过程故障诊断
赵文虎
蔡生宏
王文
新疆工业职业技术学院电气与动力工程系 乌鲁木齐 830022
摘要：极限学习机(extreme learning machine,ELM)作为一种新型的单隐层前馈神经网络,在解决分类和数据回归问题上具有很明显的优势,然而自身参数的选择也会影响到准确性.因此提出一种改进乌鸦算法(improved crow search algo-rithm,ICSA)优化ELM的田纳西-伊斯曼(Tennessee Eastman,TE)过程故障诊断模型.为了使乌鸦搜索算法的寻优能力更好,利用混沌理论和Levy飞行策略来改进乌鸦搜索算法,然后利用改进乌鸦算法优化极限学习机的权值和阈值,最后将其应用到TE过程的故障分类中.结果表明:与其他算法相比,改进乌鸦算法迭代更快,性能也更优,ELM也能够准确识别故障,提升了分类准确率,效果较好.
关键词：极限学习机田纳西-伊斯曼过程乌鸦搜索算法故障诊断分类准确率
分类号：TP183(自动化基础理论)
论文发表日期：2025-08-20
在线出版日期：2025-12-12（本平台首次上网日期，不代表文献的发表时间）
页数：6( 2122-2126,2139 )
英文信息