为了提高故障诊断的准确率,提出了一种多分类最小二乘支持向量机(LS-SVM)和改进粒子群优化(PSO)相结合的电力变压器故障诊断方法。引入最小输出编码构造多个2分类LS-SVM,实现了变压器诊断的多类分类。利用PSO算法获得LS-SVM诊断模型的最优参数,并采用交叉验证原理来提高分类算法的整体泛化性能。实例分析结果表明,采用LS-SVM和PSO算法可以准确、有效地对变压器进行故障诊断;与传统的电力变压器故障诊断方法相比,该方法的诊断准确率更高。本文选取95组样本作为变压器故障诊断的训练样本,选取25组样本数据作为测试样本,变压器故障样本统计如表1所示。本文中参数C和σ的PSO搜索区间范围分别设为[0.1,100]和[0.1,10];PSO的最大进化代数为300;粒子群的个数为5;CV折数为7;w1=0.9,w2=0.1;c1i=2.5,c2i=0.5,c1f=0.5,c2f=2.5。图2为粒子群优化算法对LS-SVM故障诊断模型进行参数优化的适应度收敛曲线本文由全自动弯管机公司网站网站采集转载中国知网整理! http://www.w
- [2019-08-02]控制爆破施工技术-数控滚圆机电
- [2019-08-02]切丝机中的应用研究-数控滚圆机
- [2019-07-26]防腐关键技术研究-数控滚圆机滚
- [2019-07-26]钢混结构中的应用研究-数控滚圆
- [2019-07-21]工具的新型发射器-数控滚圆机滚
- [2019-07-21]墩墩帽施工新技术-数控滚圆机弯
- [2019-07-16]适应选频网络的设计-电动折弯机
- [2019-07-16]低通滤波器的设计-数控滚圆机滚
- [2019-07-11]移相器的可重构天线-数控滚圆机
- [2019-07-11]算法的CPML实现-数控滚圆机弯管