遗传算法优化GMM的故障电弧识别方法.pdfVIP

模式识别与人工智能Hsf-••

遗传算法优化GMM的故障电弧识别方法

刘桂芬，李扬

(辽宁工程技术大学电气与控制工程学院，辽宁葫芦岛125105)

摘要：由于电气设备中正常电流信号和故障电流信号电流特性十分相似，故障电弧的正确识别十分困

难，但非常重要。采用小波变换结合近似熵的方法对故障和正常电流特，将特征用练混

合高斯模型（GMM)。但GMM的参数估计方法期望最大（EM)，极易局部收敛，因此，引进遗传算法，提

的合模型（GA-GMM)。用特的特GA-GMM模型，艮

据其输入的特征得到最大的概率分类，即输出电流故障与否。大采用GA-BMM能够快

速准确地对故障电弧特征进行识别，达到了较好的识别效果，实现了准确识别故障电弧的操作。

关键词：故障电弧；小波变换;近似熵；合模型；法

中图分类号:TP391;TM501文献标识码：A文章编号：1000-8829(2019)01-0077-05

doi：10.19708/j.ckjs.2019.01.016

ArcFaultRecognitionMethodofGeneticAlgorithmOptimizedGMM

LIUGui-fen,LIYang

(FacultyofElectricalandControlEngineering,LiaoningTechnicalUniversity,Huludao125105,China)

Abstract：Sincethefactthatnormalandfaultcurrentcharacteristicsaresimilarinelectricalequipment,itis

verydifficultandimportanttoaccuratelyidentifythefaultyarcs.Thewavelettransforcombinedwiththeap­

proximateentropyisusedtoextractthefaultandnormalcurrentcharacteristics,whichareusedforthetraining

oftheGaussianmixturemodel(GMM).However,becauseofGMMparametersestimationmethodofexpecta­

tionmaximu(EM),localcovergeseasily,thegeneticalgorithwasintroduced,andageneticoptimizedGMM

(GA-GMM)wasproposed.TheGA-GMMmodelistrainedbythefeatureextractiondata.Themaximuproba­

bilityclassificationisobtainedaccordingtotheinputdatafeatures,thatis,theoutputcurrentisnormalorfault­

y.Alargenumberofexperimentsshowthat