混沌免疫中文稿_baidu.docVIP

混沌免疫进化聚类算法在变压器故障诊断中的应用研究 摘要： 本文在分析了模糊C 均值（Fuzzy C-Means，FCM）算法应用于变压器故障诊断的优越性和存在的不足的基础上，结合混沌免疫进化算法，提出一种新的变压器故障诊断方法—基于混沌免疫进化的聚类算法。理论分析和仿真结果表明，该算法不仅有效的克服了传统的FCM聚类算法易陷入局部最小值的缺点，又能有效的抑制免疫进化过程中产生的“退化“现象。 关键词：模糊C 均值；免疫进化；混沌优化；故障诊断 1 引言 电力变压器是电力系统中的最关键的设备之一，一旦其发生故障，必然会带来巨大的经济损失。因此电力变压器故障诊断一直都受相关部门的重视。目前在这方面的研究很多，由于粗糙集表现出了强大的不一致信息处理能力，而模糊集不需要任何先验知识，近年来提出了多种基于粗糙集、模糊集理论或两者的结合应用于变压器故障诊断中，并取得了较好的效果。文献[11]采用核可能性聚类算法，并对样本中的噪音具有较强的免疫能力，但算法的结果又受到初始状态的约束。文献[8-10]采用的模糊聚类分析中的模糊C 均值（Fuzzy C-Means，FCM）算法，不需要任何先验知识，只考虑故障在特征气体空间上的聚集效应，自动将故障进行分类。但FCM 算法存在受样本的分布和初始参数影响大，容易陷入局部最小的缺点。文献[h10-h11]将免疫进化算法与聚类算法相结合，改善聚类算法易陷入局部极小值的缺点提高了收敛速度，但是免疫算法又存在容易受到随机初始解群的影响，使得算法易出现未成熟收敛，算法在小区间内搜索到满意解的效率还不能令人满意。文献【h3,h9】将混沌优化与免疫进化结合在一起，改善了免疫进化收敛性差的问题，但没有进行实际应用。文献[h12]把混沌优化方法与免疫进化算法结合到一起，利用混沌搜索的特点对记忆库群体进行微小扰动，并逐步调整扰动幅度，改善了免疫进化算法的收敛性能，提高了搜索效率，但是该算法对于交叉与变异选择操作率的选择上，没有采用自适应的参数，当参数选择不当时，不能迅速搜索到全局最优值。文献[21]提出了基于混沌免疫进化算法的模糊C-均值聚类算法，有效地避免了通常聚类算法中易出现的早熟现象，但没有对抗体群进行克隆抑制，不能抑制抗体群中浓度过高的部分抗体，不能保证种群的多样性。[h8]提出一种动态多目标免疫优化算法处理动态多目标优化问题，算法在动态跟踪Pareto面的速度和执行效果上优于其他算法，但是应用面较窄。[h7]研究了混沌免疫进化算法在汽车主动悬架控制策略中的应用，提高了汽车的平顺性和安全性，有效的改善了控制效果。 模糊C 均值（Fuzzy C-Means，FCM）算法存在着初值敏感、易陷入局部最小极值等缺点，而免疫进化算法虽然可以抑制优化过程中产生的“退化”现象，以跳出局部最优值的约束，快速把问题的最优解限制在一个较小的空间范围内，但在小区间内搜索到满意解的效果并不令人满意，而混沌优化利用自身具有的随机性、规律性和便利性的特点进行搜索求解具有，容易跳出局部最优解，搜索速度快和全局渐近收敛，但是在全局搜索空间上效果不显著。本文在研究了上述三种算法的优缺点，将其结合在一起，提出一种新的变压器故障诊断方法—基于混沌免疫进化的聚类算法。理论分析和仿真结果表明，该算法不仅有效的克服了传统的FCM聚类算法易陷入局部最小值的缺点，又能有效的抑制免疫进化过程中产生的“退化“现象。 2 模糊聚类 模糊聚类是一种广泛应用于机器学习与数据挖掘的方法,它根据对象之间的相似程度, 将对象集合聚合成有限的几个类别。这一方法相比与其它的算法而言无需用户提供很多的先验知识, 但是能将用户对研究对象的语言描述习惯与数据处理结合起来。因为这一算法仅需要用户提供最终的聚类数目, 处理的结果给出了各数据的离散值, 还返回了各模糊区域的中心和各属性值隶属于聚类中心的隶属度。当新数据来自于样本数据空间以外时, 也可以通过模糊判别计算其离散值。[17] 聚类算法最初由Bezkek[18.]提出。考虑一个样本集 其中为一k维向量, 将此集合依据一定的准则分成c个模糊子集, 其中是c由用户给定的聚类数, 聚类的结果用一个聚类中心向量和隶属度矩阵表示 (2) 式中为样本属于类别的隶属度, 满足 FCM算法的目标函数为 式中为影响隶属度矩阵模糊化程度的指数权重： 3混沌免疫进化模糊聚类算法 3 Immune evolutionary fuzzy clustering algorithms 免疫进化是一种借用生物免疫系统的各种原理和机制而发展起来的一种全局优化算法。免疫进化具有抗原自动辨别、特征抽取、抗体多样性、分布式检测以及学习、记忆和自我规划等特征，是一个在智能计算应用中具有巨大潜力的并行分布式自适应系统【Olfa Nasaroui,Fabio Gon