基于混沌免疫小波网络的气敏阵列信息融合研究.pdfVIP

基于混沌免疫小波网络的气敏阵列信息融合 郭会军1刘君华1林遂芳2 1．西安交通大学电气工程学院1587#710049西安 2．西安理工大学710048西安 摘要：针对半#-g传感器在变压器油溶解气检测中的问题，提出—种基于免疫优化的小波神经网络 的多传感阵歹Il信息处理方法．首先根据来自标定实验的训练数据集合采用正交逐步选择化方法确定小波 网络的结构，然后采用搜索和优化能力更强的免疫算法来对网络进行刮练优化，并且采用混沌变异算子 增强算法在解空间的搜索能力．实验结果表明，该算法不仅训练速度快，而且精度高，能够有效提高传 感器的选择性，为下一步研究实用检测装置提供了基础． 关键词：电力变压器故障特征气体免疫算法小波网络数据融合 1．引言 在电力工业中，伴随近年来国内外出现的几次大范围的停电事故，电力系统安全倍受关注。电力变压器 作为电力系统的枢纽设备，它的运行状态与整个电力系统的安全息息相关，因此对变压器的故障的在线检测 Gas 日益被重视。在众多的变压器故障诊断方法中，溶解气分析(Dissolved 法【11。现在常用的气体检测方法是气相色谱+红外傅里叶光谱仪分析法，该方法尽管精度很高，但操作复杂、 采样时间长和成本太高。半导体气敏传感器稳定性和选择性比较差，使得对混合气体浓度检测的准确性较低。 为了改善气敏元件的上述弱点，将多个敏感性交叉的气敏传感器组合构成阵列，利用多传感信息融合进行阵 列信息处理成为很有前景的气体识别方法印J。 融合神经网络与小波分析二者的优点的小波神经网络，既具有神经网络强大的非线性函数逼近能力，又 具有小波分析强大的时频分析能力，在信息融合领域得到重视【4J。但是小波网络训练过程易陷入局部极小， 而且在高维输入时，易出现“维数灾”问题，影响收敛速度。于是遗传算法被用于克服上述缺点，但是遗传 操作不可避免地会产生种群退化，影响求解速度。 免疫进化算法是借鉴生命科学中的免疫概念和理论而发展起来的新兴算法。由于它有效地利用了待求问 题中的一些有用信息，从而可以抑制优化过程中产生的“退化”现象，以跳出局部极小值的约束，迅速把问 题的最优解限制在一个较小的空间范围内，但其在小空间里的搜索效率并不突出。混沌优化算法是一种新型 搜索算法，具有对初值不敏感，易跳出局部极小点，搜索速度快和全局渐进收敛等一系列优点，但在搜索空 间大时效果并不能令人满意。 鉴于免疫进化算法和混沌优化算法各自的优点，本文利用混沌优化的遍历性 和免疫进化算法的智能性，结合小波神经网络提出一种混沌免疫进化小波神经网络算法，并将其用于多传感 器阵列信息融合问题。实验结果表明，该法可以有效地提高传感器的选择性，提高检测精度。 2．小波神经网络 小波神经网络与径向基函数网络一样，是一个具有单隐层的前向神经网络14,51。该网络可以被看成一个 复杂的非线性映射， 上 夕=厂o)=∑％．Ⅳ·≯(％．J·x-b，) (1) Jll 伸缩参数，也是位移参数，％．Ⅳ是线性连接权值。建立小波网络的关键在于：确定隐层小波神经元个数、 伸缩参数和位移参数。根据训练集确定小波网络的方法有多种，此处采用文献【4】的方法建立网络的初始模型。 然后，通常采用BP算法来训练以使下面的均方差最小。 F，，．J、一!÷，，，一，，，、．，、、2 ，，’、 E(w)=圭∑(咒一y(w))2 V-) “¨厂刀鲁、朋／、”7， 但是通过上述基于最b乘法得到的只是具有最小方差的渐进最优解，并]I彭II练过程中收敛速度慢，容易陷 入局部最小点。本文采用了免疫遗传算法训练WNN网络，并使用这种免疫遗传WNN网络进行阵列信息的 处理。 3．基于免疫算法的小波网络优化 免疫算法是近年来基于生物免疫机制