基于t-SNE-VNWOA的船舶柴油机故障诊断

文中提出一种基于t-SNE-VNWOA-LSSVM故障诊断模型,并进行了台架试验.试验设置了正常工况、供气不足、燃烧提前和单缸断油四种工况,将各种工况采集的缸盖振动信号进行快速傅里叶变换(FFT),提取了13个时域和频域特征,利用t分布邻域嵌入算法(t-SNE)对数据降维、可视化故障特征.结合鲸鱼优化算法(VNWOA)对分类器(LSSVM)初始参数δ2和γ寻优,搭建其故障识别模型,将遗传算法(GA)和粒子群算法(PSO)的寻优诊断结果与之对比.结果表明:基于t-SNE-VNWOA-LSSVM故障诊断模型精度高达96.57%,且具有良好的稳定性及诊断速度.

批发零售业上市公司财务困境预警--基于RF-VNWOA-LSSVM模型

本文从国泰安数据库(CSMAR)选取2019—2022年度A股主板被ST或被*ST的33家批发零售业上市公司作为研究样本,选取20个财务指标和9个非财务指标,构建了预警指标体系。为消除非关键特征指标的影响,采用随机森林算法(RF)进行特征值筛选,将筛选的数据集应用于经过优化的LSSVM(最小二乘支持向量机)进行财务预测和预警。实验结果显示,相较于传统的PSO(粒子群优化算法)、GA(遗传算法)以及WOA(鲸鱼优化算法),采用VNWOA优化算法的分类精度分别提高了2.9个百分点、2.9个百分点以及4.35个百分点。综合应用了随机森林和VNWOA优化算法的RF-VNWOA-LSSVM模型在分类精度上相较于RF-费希尔判别法和BP神经网络分别提高了18.75个百分点、8.45个百分点。实验结果表明本文提出的RF-VNWOALSSVM预警模型可以对财务风险进行有效识别。

基于CEEMD能量熵特征提取和VNWOA-LSSVM的风力机轴承故障诊断方法研究

针对极端复杂工况下风力发电机组轴承故障诊断问题,对风力机运行状态监测中常用的故障诊断方法进行了研究,提出了一种基于互补总体经验模式分解能量熵的故障特征提取和改进的鲸鱼算法来优化最小二乘支持向量机的风力机轴承故障诊断方法;通过互补总体经验模式分解,降低了噪声对微弱故障信号的干扰,提取了各分量的能量熵构建故障特征集合,作为诊断模型的输入;利用冯诺依曼拓扑结构的特性,克服了鲸鱼算法中收敛慢、寻优精度低的问题,构建了改进的鲸鱼算法优化最小二乘支持向量机的诊断模型分类器,实现了对不同故障类型特征参数的准确分类;最后利用试验数据集进行了测试。研究结果表明:所提出的方法计算速度快、泛化能力强、分类正确率高,其诊断结果优于基于鲸鱼算法优化的最小二乘支持向量机,远优于传统的最小二乘支持向量机算法。