利用EMD提取振动信号不同频段的能量值作为特征参量，并结合压力信号均值构造故障特征向量；然后，分别采用遗传算法（GA）、粒子群优化算法（PSO）、樽海鞘群算法（SSA）、网格搜索算法（GS）对SVM的惩罚参数c和径向基函数（RBF）参数g进行优化，并对优化后的SVM诊断性能进行了评估；最后，分别采用SVM、极限VX-689 molecular weight学习机（ELM）、BP神经网络作为分类器，并对三种分类器的诊断性能进行了评估。结果表明，采用三种群智能优化算法的SVM故障诊断率均能达到100%，寻优过程中均未陷入局部最优解，且寻优时间相当，其中GA的训练时间最短，可以采用GA对SVM参数进行寻优；当采用GA＿SVM作为故障分类器时，https://www.selleck.cn/products/VX-809.html用时较短，且故障诊断率较高，可以选用GA＿SVM分类模型实现机载燃油泵的高效故障诊断。

为进一步完善中压配电网电力线载波通信（PLC）组网的灵活性和可靠性，在结合中压配电网的实际拓扑结构和信道环境的基础上，提出了一种基于遗传算法的PLC组网方法。该方法综合考虑了节点间实际距离、节Selleck点间链路衰耗、连接节点衰耗、节点自身价值及链路价值等因素，利用遗传算法计算网络的最大价值函数，确定网络的最佳链路集。在最佳链路集基础上，求取各通信节点的节点度，将节点度数值较大者作为网络的中继节点，进而完成配电网PLC的优化组网。与蚁群路由算法相比，文中算法考虑了配电网的实际拓扑结构与信道特性，中继节点和链路分配更为合理，使PLC网络具有更高的网络价值和网络传输效率。