来源：期刊VIP网 时间：
作者：赖锦辉;梁松;
单位：广东石油化工学院计算机学院;广东石油化工学院电子信息工程学院;
摘要：石化机组轴承故障的发生会导致安全问题和经济损失，因此，迫切需要一种有效的故障诊断方法。在处理石化机组轴承故障诊断中，传统支持向量机(SVM)方法受限于其参数选择的敏感性，导致识别准确率不理想。采用一种新型沙猫群优化算法(SCSO)对SVM参数进行优化选取。考虑到基本沙猫群优化(SCSO)算法全局搜索力较弱、收敛速度慢等缺陷，提出多策略混合CHOA-SCSO优化算法。初始阶段引入空间金字塔匹配(SPM)映射进行种群初始化保证分布均匀；搜索阶段引入非线性变化的动态因子以平衡算法的搜索能力，并且借鉴黑猩猩算法(CHOA)将SCSO算法中的引导个体修正为群体中的4个最优个体，充分考虑个体交流和协助；攻击阶段在原算法随机角度攻击的基础上，采用局部最优解搜索策略，以更精确地定位攻击角度，从而提升局部搜索能力；最后引入随机至优变异策略，对最优解进行扰动，避免算法早熟收敛。采用改进的混合CHOA-SCSO优化算法对SVM参数进行优化，以实际石化机组数据集进行诊断分析，并通过与其他算法对比，验证所提方法的有效性和优越性。
关键词：石化机组;;轴承故障诊断;;支持向量机;;SPM映射;;随机至优变异
基金资助：2022广东高校科研平台和项目特色创新(自然科学类)(2022KTSCX084);; 2024茂名市科技计划项目(茂科字[2024]25号)
