System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind() 一种新型多策略麻雀搜索算法优化支持向量机的牵引变压器故障诊断方法技术_技高网

一种新型多策略麻雀搜索算法优化支持向量机的牵引变压器故障诊断方法技术

技术编号:44205056 阅读:1 留言:0更新日期:2025-02-06 18:39
本发明专利技术实施例公开了一种新型多策略麻雀搜索算法优化支持向量机的牵引变压器故障诊断方法,涉及变压器故障诊断领域。从优化支持向量机的参数的角度出发,针对支持向量机(SVM)在变压器故障诊断中易受最优参数的影响,导致诊断准确率低、稳定性差等问题,本发明专利技术设计了一种多策略麻雀搜索算法(ISSA)优化SVM。首先采用SPM混沌映射与折射反向学习初始化种群,在发现者中引入正弦动态自适应权重,在加入者中引入切线飞行算子,对警戒者采用柯西逆算子对原始位置更新公式进行改进,将寻优参数赋值给SVM,最后将模型应用于变压器的故障诊断中。本发明专利技术所设计的新模型对牵引变压器进行故障诊断的准确率有较大提高。

【技术实现步骤摘要】

本专利技术涉及牵引变压器故障诊断领域,尤其涉及一种新型多策略麻雀搜索算法优化支持向量机的方法。


技术介绍

0、技术背景

1、随着我国经济的快速发展,电气化铁路的建设越来越完善,牵引变电站的牵引变压器是电气化铁路供电系统中的关键设备,它负责将电力系统的高压电能转换为适合电力机车使用的低压电能。牵引变压器的正常运行对于电气化铁路的安全、可靠运行至关重要。因此,对牵引变压器进行故障诊断和维护具有极高的现实意义和应用价值。

2、科技越来越发展,牵引变压器的故障诊断技术逐渐向着自动化、智能化的方向发展。目前,已经出现了多种基于不同原理的故障诊断技术,如基于波形分析的故障诊断、基于能量分析的故障诊断、基于神经网络的故障诊断等。svm在电气化铁路牵引变电站牵引变压器的故障诊断中具有显著的优势,其处理高维数据、泛化能力强、适用于小样本数据、处理非线性问题以及鲁棒性和可解释性等特点使得它成为故障诊断领域的重要工具之一。

3、支持向量机是一种基于统计学习理论的模式识别方法,在解决小样本、非线性及高维模式识别问题中表现出特有的优势。传统的一些故障诊断算法在处理非线性问题时运算量大或准确率不高,支持向量机与逻辑回归和神经网络等相比,在学习复杂的非线性方程时提供了一种更为清晰,更加强大的方式。该方法充分有效地明确了线性不可分割性,对于不同的数据集可以得到满意的结果,虽然支持向量机在故障诊断时具有一定的优势,但该模型的准确率扔然受参数的影响。


技术实现思路

1、(一)要解决的技术问题

2、针对支持向量机(svm)在变压器中故障诊断中易受最优参数的影响,导致诊断效率低、稳定性差等问题,本专利技术提供了一种多策略麻雀算法(issa),用于优化支持向量机的参数。首先采用spm混沌映射与折射反向学习初始化种群,在发现者中引入正弦动态自适应权重,在加入者中引入切线飞行算子,对警戒者采用柯西逆算子对原始位置更新公式进行改进,将寻优参数赋值给svm,最后将模型应用于变压器的故障诊断中,在避免麻雀搜索算法陷入局部最优的前提下,寻找到svm的最优参数,有效提高了牵引变压器故障诊断准确率。

3、(二)技术方案

4、为实现上述目的,本专利技术提供多策略麻雀搜索算法优化svm的牵引变压器故障诊断方法,包括如下步骤:

5、步骤一:采用spm与折射反向学习进行issa参数初始化。

6、步骤二:采用正弦动态自适应权重更新发现者位置。

7、步骤三:采用切线飞行算子更新加入者位置。

8、步骤四:采用柯西逆算子更新警戒者位置。

9、步骤五:利用issa得到的寻优参数,赋值给svm。

10、步骤六:利用新模型进行故障分类诊断

11、(三)有益效果

12、a、本专利技术可以减少麻雀搜索算法的局部最优性:本专利技术在原有的麻雀搜索算法中采用spm混沌映射与折射反向学习初始化,在发现者中引入正弦动态自适应权重,在加入者和警戒者中分别引入切线飞行算子和柯西逆算子对麻雀搜索算法进行改进,避免陷入局部最优值,大大增加了全局寻优效果。

13、b、本专利技术可以有效提高svm的分类准确率:采用issa算法对svm模型参数进行优化,寻找适应模型的惩罚因子c和核函数宽度参数σ,对二者进行参数寻优,提升svm的分类诊断准确率。

本文档来自技高网...

【技术保护点】

1.一种新型多策略麻雀搜索算法优化SVM的牵引变压器故障诊断方法,其特征在于,包括如下步骤:

2.如权利要求1所述的设计方法,其特征在于,步骤S1中进行种群初始化的表达式:

3.如权利要求1所述的设计方法,其特征在于,步骤S2中对种群发现者位置依据改进公式进行更新的表达式:

4.如权利要求1所述的设计方法,其特征在于,步骤S3中对种群加入者位置依据改进公式进行更新的表达式:

5.如权利要求1所述的设计方法,其特征在于,步骤S4中对种群警戒者位置依据改进公式进行更新的表达式:

6.如权利要求1所述的设计方法,其特征在于,步骤S5中确定好麻雀个体的两个排名最好的最优位置之后,即最优参数向量(C,σ)赋值给SVM分类器。SVM参数表达式:

7.如权利要求1所述的设计方法,其特征在于,步骤S6中经过改进的麻雀搜算法寻优之后,建立新的故障诊断模型,进行故障分类诊断。

【技术特征摘要】

1.一种新型多策略麻雀搜索算法优化svm的牵引变压器故障诊断方法,其特征在于,包括如下步骤:

2.如权利要求1所述的设计方法,其特征在于,步骤s1中进行种群初始化的表达式:

3.如权利要求1所述的设计方法,其特征在于,步骤s2中对种群发现者位置依据改进公式进行更新的表达式:

4.如权利要求1所述的设计方法,其特征在于,步骤s3中对种群加入者位置依据改进公式进行更新的表达式:

...

【专利技术属性】
技术研发人员:马月红王晓成赵辰赵慧亮曹彦敏周辉
申请(专利权)人:石家庄铁道大学
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1