基于WA-ABC-LSSVM的电气故障诊断.pdfVIP

第39卷 第3期 电 子 器 件 Vo1．39 No．3 2016年 6月 ChineseJournalofElectronDevices June2016 ElectricalFaultDiagnosisBasedonWA．ABC—LSSVM SillZengfang，JIANGYanlei (MechanicalandElectricalEngineeringCollege，HenanPolytechnicInstitute，NanyangHe’nan473009，China) Abstract：Inordertoimprovetheeffectofcurrentelectricalfaultdiagnosis，amethodofelectricalfaultdiagnosisis presentedbasedonartificialbeecolonyoptimizingleastsquaressupportvectormachine．Firstly，theelectricalsta— tusinformationiscollected，andwavelettransform isusedtoeliminatethenoise，andthenextractthefeaturesofthe electricalstateisextracted，andthenormalizedprocessingiscarriedout，finally，thetrainingsamplesareusedto traintheleastsquaressupportvectormachinewhichartificialbeecolonyalgorithm isusedtooptimizetheparame— terstoestablishelectricalfaultdiagnosisclassifier．Simulationresultsshow thattheproposedmethodcanbetterde— scribetheworkingstateoftheelectricalsystem，andthediagnosticperfomr anceisbetterthantheothermethodsof electricfaultdiagnosis． Keywords：electricalsystem ；faultclassification；waveletdenoising；statefeature；faultclassifier EEACC：8110 doi：10．3969／j．issn．1005—9490．2016．03．044 基于WA．ABC．LSSVM 的电气故障诊断 史增芳 ，姜岩蕾 (河南工业职业技术学院机电工程学院，河南 南阳473009) 摘 要 ：为了改善当前电气故障诊断的效果，提出一种基于小波消噪和人工蜂群优化最小二乘支持向量机的电气故障诊断 方法(WA—ABC．LSSVM)。首先收集电气状态信息，并采用小波变换对其进行去噪处理，消除噪声的干扰，然后提取电气状态 中的特征，并且进行归一化处理，最后采用训练样本对最小二乘支持向量机进行训练，采用人工蜂群算法优化最小二乘支持向 量机参数，建立电气故障诊断分类器。仿真实验结果表明，本文方法可以较好描述电气系统的工作状态，诊断性能要明显优于 其它的电气故障诊断方法。 关键词 ：电气系统；故障分类；小波去噪；状态特征；故障分类器 中图分类号：TP181 文献标识码 ：A 文章编号：1005—9490(2016)03-0728-04 随着 电力系统的应用 日益广泛 ，人们对 电力系 实际应用要求 。现代方法是基于非线性理论进行 统的可靠性、安全性提出更高的要求…。电气设备 建模的电气故障诊断方法，主要有神经网络、支持向 在工作过程不可避免会出现故障，因此，对 电气故 量机等方法 ，它们可以很好地拟合电气设备工作 障进行快速 、准确地诊断，提高设备的可靠性显得