南京农业大学学报２０２３，４６（２）：４１６－４２７ｈｔｔｐ：／／ｎａｕｘｂ．ｎｊａｕ．ｅｄｕ．ｃｎＪｏｕｒｎａｌｏｆＮａｎｊｉｎｇＡｇｒｉｃｕｌｔｕｒａｌＵｎｉｖｅｒｓｉｔｙＤＯＩ：１０．７６８５／ｊｎａｕ．２０２２０４０３４■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■收稿日期：２０２２－０４－１２基金项目：江苏省自然科学基金青年基金项目（ＢＫ２０２１０４０７）；江苏省现代农机装备与技术示范推广项目（ＮＪ２０２１－２６）；中央高校基本科研业务费专项资金（ＫＹＧＤ２０２１０５）作者简介：周俊博，硕士研究生。∗通信作者：肖茂华，博士，教授，博导，主要从事高端农机装备健康维护，Ｅ⁃ｍａｉｌ：ｘｉａｏｍａｏｈｕａ＠ｎｊａｕ．ｅｄｕ．ｃｎ。周俊博，肖茂华，朱烨均，等．基于ＨＰＯ⁃ＳＶＭ的拖拉机柴油机故障诊断研究［Ｊ］．南京农业大学学报，２０２３，４６（２）：４１６－４２７．ＺＨＯＵＪｕｎｂｏ，ＸＩＡＯＭａｏｈｕａ，ＺＨＵＹｅｊｕｎ，ｅｔａｌ．ＦａｕｌｔｄｉａｇｎｏｓｉｓｏｆｔｒａｃｔｏｒｄｉｅｓｅｌｅｎｇｉｎｅｂａｓｅｄｏｎＨＰＯ⁃ＳＶＭ［Ｊ］．ＪｏｕｒｎａｌｏｆＮａｎｊｉｎｇＡｇｒｉｃｕｌｔｕｒａｌＵｎｉｖｅｒｓｉｔｙ，２０２３，４６（２）：４１６－４２７．基于ＨＰＯ⁃ＳＶＭ的拖拉机柴油机故障诊断研究周俊博１，肖茂华１∗，朱烨均１，宋宁１，张婕２（１．南京农业大学工学院，江苏南京２１００３１；２．江苏省农业机械试验鉴定站，江苏盐城２１００１７）摘要：［目的］针对传统机器学习在拖拉机柴油机故障诊断应用中的局限性，本研究提出一种ＨＰＯ⁃ＳＶＭ（ｈｙｂｒｉｄｐｏｐｕｌａｔｉｏｎｏｐｔｉｍｉｚａｔｉｏｎ⁃ｓｕｐｐｏｒｔｖｅｃｔｏｒｍａｃｈｉｎｅ）拖拉机柴油机故障诊断模型。［方法］采用ＳＶＭ（ｓｕｐｐｏｒｔｖｅｃｔｏｒｍａｃｈｉｎｅ）作为故障诊断模型的基体，针对ＳＶＭ优化问题，以ＰＳＯ（ｐａｒｔｉｃｌｅｓｗａｒｍｏｐｔｉｍｉｚａｔｉｏｎ）和ＧＷＯ（ｇｒｅｙｗｏｌｆｏｐｔｉｍｉｚａｔｉｏｎ）算法为基础提出...
