10.3969/j.issn.1007-3175.2022.10.010
基于改进极限学习机的高压断路器故障诊断
针对极限学习机连接权重和阈值随机选取存在的很大不确定性,提出将麻雀搜索算法与极限学习机结合搭建故障诊断模型(FASSA-ELM).在原麻雀搜索算法的基础上引入Sine混沌映射优化初始种群,结合萤火虫算法(FA)对麻雀种群的位置以及最优解位置进行扰动更新,将改进后的麻雀搜索算法用于优化极限学习机的权值和阈值.采用集合经验模态方法提取出高压断路器分合闸线圈电流中的故障特征量,对断路器故障特征的仿真分析表明,FASSA-ELM的诊断准确率达到了100%,将训练样本和测试样本互换后该模型诊断准确率为84.5%,与其他三种模型相比,该方法具有更高的准确率和更好的稳定性.
断路器、极限学习机、故障诊断、分合闸线圈电流
TM561(电器)
2022-10-31(万方平台首次上网日期,不代表论文的发表时间)
共7页
50-56