基于PSO-LSSVM的离心泵状态预测方法

来源：电子测量技术杂志2022年第19期北京时间：

作者：左学谦，熊芝，聂磊，丁善婷

单位：1.武昌首义学院机电与自动化学院 武汉 430064;2.湖北工业大学机械工程学院 武汉 430068;3. 湖北省现代制造质量工程重点实验室 武汉 430068

摘要：油田系统中离心泵因长期在恶劣环境下运行,受现场工况、介质腐蚀等因素影响，故障信号多表征出明显的非线性和时变非平稳性，数据量大，运行状态难以实时准确预测，本文提出了一种基于PSO（Particle Swarm Optimization，粒子群算法）优化LS-SVM（Least Squares Support Vector Machines，最小二乘支持向量机）的离心泵状态预测方法。首先利用粒子群算法的全局搜索特性，对最小二乘支持向量机的核参数g和惩罚因子C进行快速自动寻优，其次确定了平均绝对误差、平均相对误差和均方根误差为预测精度评估指标，最后通过实时采集的数据对本文的预测方法进行验证。结果表明：与LS-SVM预测模型相比，PSO优化LS-SVM模型降低了计算的复杂性，具有泛化能力强，预测精度高的优点，平均绝对误差、平均相对误差和均方根误差较LS-SVM模型分别减少了52%、56%和44%。该方法可为预测性维修提供理论依据，在工程实践方面具有良好的应用前景。

关键词：离心泵;粒子群算法;最小二乘支持向量机;状态预测

基金资助：国家重点研发计划资助项目（2019YFB2006100）；襄阳湖北工业大学产业研究院2022年度项目（XYYJ2022B01）；国家自然科学基金面上资助项目（51975191）