【摘要】：提出一種基于改進人工魚群算法優(yōu)化支持向量機(SVM)的變壓器故障診斷方法。首先對基本人工魚群算法進行改進,引入柯西變異優(yōu)化覓食行為,并在算法的迭代過程中利用魚群搜索到的信息和t分布變異的特點,對劣質個體魚進行消亡與重生,提高魚群算法的尋優(yōu)效率和求解精度。然后,利用改進的人工魚群算法優(yōu)化SVM的核函數(shù)參數(shù)及懲罰系數(shù),使SVM分類器獲得最佳的分類精度。最后采用決策導向無環(huán)圖(DDAG)方法建立變壓器故障診斷SVM多分類決策模型。通過仿真實驗將提出的方法與網(wǎng)格搜索法Grid-SVM、GA-SVM、PSO-SVM比較,所建模型具有更高的診斷正確率。
[Abstract]:This paper presents a transformer fault diagnosis method based on improved artificial fish swarm algorithm to optimize support vector machine (SVM). Firstly, the basic artificial fish swarm algorithm is improved, and Cauchy mutation is introduced to optimize foraging behavior. In the iterative process of the algorithm, the information searched by the fish swarm and the characteristics of t distribution variation are used to kill and rebirth the inferior individual fish. The optimization efficiency and accuracy of fish swarm algorithm are improved. Then, the improved artificial fish swarm algorithm is used to optimize the kernel function parameters and penalty coefficients of SVM, so that the SVM classifier can obtain the best classification accuracy. Finally, the multi-classification decision model of transformer fault diagnosis SVM is established by using Decision-oriented acyclic graph (DDAG) method. The proposed method is compared with the grid search method Grid-SVM GA-SVM PSO-SVM through simulation experiments. The proposed model has a higher diagnostic accuracy than that of the grid search method (Grid-SVMU GA-SVMU PSO-SVM).
【作者單位】： 洛陽理工學院計算機與信息工程學院;
【基金】：河南省科技廳科技攻關重點項目(No.162102210276)
【分類號】：TM407;TP18

【相似文獻】

相關期刊論文 前10條

1 胡文平,尹項根,張哲,陳德樹;變壓器故障診斷與多傳感器信息融合[J];高電壓技術;2002年02期

2 蘇宏升;李群湛;;概念格在變壓器故障診斷中的應用研究[J];高電壓技術;2006年02期

3 閆學杰;;煤礦變壓器故障診斷的研究[J];煤礦現(xiàn)代化;2011年02期

4 王錚一;鄭文杰;;基于基因表達式編程的變壓器故障診斷[J];陜西電力;2012年04期

5 ;變壓器故障診斷[J];電氣制造;2012年05期

6 肖華蘭;吳駿;;基于多分類相關向量機的變壓器故障診斷[J];電子世界;2013年15期

7 ;《大型變壓器故障診斷技術的研究》技術成果通過電力部鑒定[J];上海電力學院學報;1995年04期

8 張豐仁,張恩鋒;氣相色譜分析在變壓器故障診斷中的應用[J];中國煤炭;2000年10期

9 馬素媛;氣相色譜法在電力變壓器故障診斷中的實際應用[J];冶金動力;2000年05期

10 錢政,黃蘭,嚴璋,羅承沐;集成模糊數(shù)學與范例推理的變壓器故障診斷方法[J];電網(wǎng)技術;2001年09期

相關會議論文 前10條

1 胡澤江;張海濤;;可拓關聯(lián)函數(shù)與屬性約簡相結合的變壓器故障診斷方法[A];2011年云南電力技術論壇論文集（入選部分）[C];2011年

2 周柯;羅安;;信息融合技術在變壓器故障診斷中的應用[A];2009年全國輸變電設備狀態(tài)檢修技術交流研討會論文集[C];2009年

3 趙繼印;李建坡;黎巧生;;基于氣相色譜分析方法的變壓器故障診斷系統(tǒng)[A];“振興吉林老工業(yè)基地——科技工作者的歷史責任”吉林省第三屆科學技術學術年會論文集（上冊）[C];2004年

4 李銳;;化學技術監(jiān)督在變壓器故障診斷中的應用[A];2009年云南電力技術論壇論文集（文摘部分）[C];2009年

5 李銳;;化學技術監(jiān)督在變壓器故障診斷中的應用[A];2009年全國輸變電設備狀態(tài)檢修技術交流研討會論文集[C];2009年

6 禹建麗;周瑞芳;;一種基于神經(jīng)網(wǎng)絡和模糊理論的變壓器故障診斷[A];2013年中國智能自動化學術會議論文集（第四分冊）[C];2013年

7 李銳;;化學技術監(jiān)督在變壓器故障診斷中的應用[A];2009年云南電力技術論壇論文集（優(yōu)秀論文部分）[C];2009年

8 陳湘萍;;基于神經(jīng)網(wǎng)絡的變壓器故障診斷[A];第八屆全國信息獲取與處理學術會議論文集[C];2010年

9 卞建鵬;廖瑞金;楊麗君;鄭含博;;基于均值核聚類與二叉樹支持向量機的變壓器故障診斷新技術的研究[A];重慶市電機工程學會2010年學術會議論文集[C];2010年

10 于虹;張永剛;;基于模擬退火和支持向量機理論的變壓器故障診斷方法[A];2011年云南電力技術論壇論文集（優(yōu)秀論文部分）[C];2011年

相關重要報紙文章 前1條

1 廣西龍州縣鴨水電廠 王f ;變壓器故障診斷方法的探討[N];中華合作時報;2004年

相關博士學位論文 前10條

1 司馬莉萍;基于改進支持向量機的電力變壓器故障診斷與預測方法的研究[D];武漢大學;2012年

2 趙文清;基于數(shù)據(jù)挖掘的變壓器故障診斷和預測研究[D];華北電力大學（河北）;2009年

3 鄧宏貴;可拓理論與關聯(lián)分析及其在變壓器故障診斷中的應用[D];中南大學;2005年

4 鄭元兵;變壓器故障診斷與預測集成學習方法及維修決策模型研究[D];重慶大學;2011年

5 尹金良;基于相關向量機的油浸式電力變壓器故障診斷方法研究[D];華北電力大學;2013年

6 張利偉;油浸式電力變壓器故障診斷方法研究[D];華北電力大學;2014年

7 陳舵;模糊聚類分析及其在電力變壓器故障診斷中的應用研究[D];西安理工大學;2008年

8 唐勇波;數(shù)據(jù)驅動的大型電力變壓器故障診斷和預測研究[D];中南大學;2013年

9 鄭蕊蕊;智能信息處理理論的電力變壓器故障診斷方法[D];吉林大學;2010年

10 蘇宏升;軟計算方法及其在電力系統(tǒng)故障診斷中的若干應用研究[D];西南交通大學;2007年

相關碩士學位論文 前10條

1 劉飛霞;基于蟻群算法的變壓器故障診斷研究[D];長沙理工大學;2014年

2 李江浩;基于改進神經(jīng)網(wǎng)絡的變壓器故障診斷方法的研究[D];華北電力大學;2015年

3 隋卓;基于振動能量法的電力變壓器故障診斷與初步定位研究[D];華北電力大學;2015年

4 李洪超;基于M-LS-SVM的變壓器故障診斷研究[D];浙江工商大學;2015年

5 宋桐;多模型組合優(yōu)化的變壓器故障診斷策略研究[D];西安工程大學;2015年

6 裴飛;基于在線序列極限學習機的變壓器故障診斷研究[D];華北電力大學;2015年

7 朱紫娟;綜合故障診斷方法在電力變壓器故障診斷中的應用研究[D];西安工程大學;2016年

8 洪浪;基于油氣量和超高頻局放信號的變壓器故障診斷研究[D];湖北工業(yè)大學;2016年

9 王瑩;變壓器故障診斷中油溶氣體基本信任分配函數(shù)研究[D];長春工業(yè)大學;2016年

10 張楠喬;基于智能算法的扼流適配變壓器故障診斷的研究[D];北京交通大學;2016年

，

本文編號：2155780