为了增强变压器故障诊断模型对不平衡样本的学习能力从而提高少数类故障样本的识别精度,提出了一种基于样本扩充和特征优选的融合多策略改进灰狼算法(improved grey wolf optimizer with multi-strategy,IGWO)优化支持向量机(support ve...为了增强变压器故障诊断模型对不平衡样本的学习能力从而提高少数类故障样本的识别精度,提出了一种基于样本扩充和特征优选的融合多策略改进灰狼算法(improved grey wolf optimizer with multi-strategy,IGWO)优化支持向量机(support vector machine,SVM)的变压器故障诊断技术。首先,使用基于K最近邻过采样方法及核密度估计自适应样本合成算法的混合过采样技术对少数类样本进行扩充得到均衡数据集,并在此基础上采用方差分析对变压器候选比值征兆进行特征优选。然后,通过改进灰狼优化算法(grey wolf optimizer,GWO)初始化策略、参数及位置更新公式,并引入差分进化策略调整种群,提出了融合多策略的改进灰狼算法。最后,构建了一种基于混合过采样技术的IGWO优化SVM的变压器故障诊断模型,并通过多组对比实验验证了所提方法能够有效增强模型对少数类故障样本的识别能力,并提升模型的整体分类性能。展开更多
为了提高风机地脚螺栓螺母缺失检测精度,提出了一种风机地脚螺栓螺母缺失无损检测方法。利用混沌映射初始化、非线性递减收敛因子和动态权重机制对灰狼算法进行改进,得到寻优精度更高的改进灰狼(Improved Grey Wolf Optimization,IGWO)...为了提高风机地脚螺栓螺母缺失检测精度,提出了一种风机地脚螺栓螺母缺失无损检测方法。利用混沌映射初始化、非线性递减收敛因子和动态权重机制对灰狼算法进行改进,得到寻优精度更高的改进灰狼(Improved Grey Wolf Optimization,IGWO)算法。以螺杆直径、保护层厚度、垫板厚度、磁感应强度为支持向量,螺栓螺母缺失情况为输出量,采用IGWO算法优化SVM参数,构建了基于IGWO-SVM的风机地脚螺栓螺母缺失无损检测模型,算例仿真结果表明,IGWO-SVM模型的检测精度高达95%,检测效果优于其他对比模型,验证了所提方法的有效性。展开更多
文摘为了增强变压器故障诊断模型对不平衡样本的学习能力从而提高少数类故障样本的识别精度,提出了一种基于样本扩充和特征优选的融合多策略改进灰狼算法(improved grey wolf optimizer with multi-strategy,IGWO)优化支持向量机(support vector machine,SVM)的变压器故障诊断技术。首先,使用基于K最近邻过采样方法及核密度估计自适应样本合成算法的混合过采样技术对少数类样本进行扩充得到均衡数据集,并在此基础上采用方差分析对变压器候选比值征兆进行特征优选。然后,通过改进灰狼优化算法(grey wolf optimizer,GWO)初始化策略、参数及位置更新公式,并引入差分进化策略调整种群,提出了融合多策略的改进灰狼算法。最后,构建了一种基于混合过采样技术的IGWO优化SVM的变压器故障诊断模型,并通过多组对比实验验证了所提方法能够有效增强模型对少数类故障样本的识别能力,并提升模型的整体分类性能。
文摘为了提高风机地脚螺栓螺母缺失检测精度,提出了一种风机地脚螺栓螺母缺失无损检测方法。利用混沌映射初始化、非线性递减收敛因子和动态权重机制对灰狼算法进行改进,得到寻优精度更高的改进灰狼(Improved Grey Wolf Optimization,IGWO)算法。以螺杆直径、保护层厚度、垫板厚度、磁感应强度为支持向量,螺栓螺母缺失情况为输出量,采用IGWO算法优化SVM参数,构建了基于IGWO-SVM的风机地脚螺栓螺母缺失无损检测模型,算例仿真结果表明,IGWO-SVM模型的检测精度高达95%,检测效果优于其他对比模型,验证了所提方法的有效性。
