为了改进、优化支持向量机的核函数参数σ以及惩罚因子C,提出了基于粒子群与差分进化相结合的混合优化算法(PSODE),从而获得最优的故障诊断模型。通过引入四种基准测试函数:Sphere函数、Rosenbrock函数、Rastrigin函数、Griewank函数对PSO、DE、PSODE的性能进行测试,仿真结果表明PSODE是一种具有较强优化性能的算法。为了进一步验证该方法的有效性,通过对油中溶解的H2、CH4、C2H6、C2H4、C2H2的含量进行分析,可以较准确地识别低温过热、中温过热、高温过热、局部放电、火花放电、电弧放电以及正常状态。 优化算法粒子群优化算法(ParticleSwarmOptimization,PSO)最早是在1995年由Eberhart和Kennedy[8]共同提出的,是一种以个体的竞争与合作为基础对复杂搜索空间中最优解进行搜索的过程,类似于遗传算法,但二者又有一定的区别,此算法未对种群使用交叉本文有公司网站全自动滚圆机采集转载中国知网整理 http://www.gunyuanji.com 、变异等操作电力变压器故障诊断-电动折弯机数控滚圆机滚弧机张家港数控滚圆机滚弧机,是通过群体中个体之间信息的协作与共享来寻优,其每发生一次迭代过程,“个体极值”和“全局极值”都要进行一次更新,所有微粒的飞行轨迹调整均依赖于局部最优值pi以及全局最优值pg。粒子位置更新过程的示意图如图1所示。图1粒子位置更新示意图2.2差分进化算法差分进化算法最早是由Storn和Price[9]提出的,作为一种优化方法最初是用于解决切比雪夫多项式拟合问题。是一种以群体智能为基础的全局优化算法,可用于解决连续领域的优化问题,通过种群内个体之间存在的竞争与协作关系,产生优势个体来对种群的进化过程进行指导。在优化求解过程中,该算法采用结构简单的差分变异和交叉算子以及“贪婪”的选择操作,该算法并不依赖问题的特征信息,而是依据种群的动态改变来对搜索策略进行调整,利用优势个体更新种群,使在种群迭代完成时接近或达到最优解。其具体的操作过程如图2所示。图2差分进化算法的具体操作过程2.3混合优化算法由于DE算法中交叉算子可以提高局部搜索能力,加速其收敛进程,但在进化过程的后期阶段,容易出现陷入局部最优的情况;PSO优化算法中全局最优值陷入局部最优区域时,群体会在该区域迅速收敛,使得种群失去多样性的特点,导致早熟停滞现象的发生[10]。为了弥补DE以及PSO优化算法同时具有的易陷入局部最优的缺陷,提出了一种混合算法,其个体的运动方式如图3所示。图3PSODE模?电力变压器故障诊断-电动折弯机数控滚圆机滚弧机张家港数控滚圆机滚弧机本文有公司网站全自动滚圆机采集转载中国知网整理 http://www.gunyuanji.com
- [2019-08-06]自适应补偿控制-电动液压弯管机
- [2019-08-06]与能效优化策略-数控滚圆机滚弧
- [2019-08-05]动力响应数值研究-数控滚圆机滚
- [2019-08-05]电抗器的振动研究-数控滚圆机滚
- [2019-08-04]结构温度场解析解-数控滚圆机滚
- [2019-08-04]发电功率平滑控制-数控滚圆机滚
- [2019-08-03]功率控制方法研究-数控滚圆机滚
- [2019-08-03]体积测量方法研究-数控滚圆机滚
- [2019-08-02]沉降控制应用研究-数控滚圆机滚
- [2019-08-02]必要性的初步探究-数控滚圆机滚