原创力文档- 1
- 0
- 约6.94千字
- 约 6页
- 2019-05-31 发布于天津
- 举报
基于最大最小蚂蚁系统优化的电解槽故障诊断孙伟李停张明伟中国矿业大学信息与电气工程学院江苏徐州摘要针对铝电解槽故障特征种类繁多难以快速准确的实现故障类型诊断设计了一种基于最大最小蚂蚁系统优化的极限学习机故障诊断方法介绍了电解槽常见的故障类型及其对槽电压的影响对采集到的故障情况下的槽电压信号进行降噪处理根据对降噪后故障信号的局域均值分解结果得到故障特征采用算法辨识故障类型针对算法存在的参数问题采用对隐含层参数寻优结果表明优化的既保证了较快的训练速度同时获得了更高的故障测试正确率关键词铝电解槽故障诊断
基于最大-最小蚂蚁系统优化ELM的电解槽故障诊断
孙伟，李停，张明伟
（中国矿业大学 信息与电气工程学院，江苏 徐州 221008）
摘要：针对铝电解槽故障特征种类繁多，难以快速准确的实现故障类型诊断，设计了一种基于最大-最小蚂蚁系统(MMAS)优化的极限学习机(ELM)故障诊断方法。介绍了电解槽常见的故障类型及其对槽电压的影响，对采集到的故障情况下的槽电压信号进行降噪处理，根据对降噪后故障信号的局域均值分解(LMD)结果得到故障特征。采用ELM算法辨识故障类型，针对ELM算法存在的参数问题，采用MMAS对ELM隐含层参数寻优。结果表明，MMAS优化的ELM既保证了较快的训练速度，同时获得了更
文档评论（0）