基于改进粒子群算法与支持向量机的变压器状态评估

支持向量机(SVM)能较好地解决小样本、非线性特征的多分类问题,适用于电力变压器运行状态评佑,但参数选择时分类效果有着显著影响.利用改进的粒子群算法(PSO)对支持向量机(SVM)参数进行寻优,通过引入收敛因子、惯性因子动态化和自适应杜子变异三种方法对传统的PSO算法进行改进,从而获得最佳的分类模型.该模型以变压器油中...     

永磁球形电机Stribeck摩擦模型参数辨识

随速度变化的摩擦转矩使永磁式球形电机在跟踪控制过程中出现爬坡或抖动现象,影响跟踪控制精度且难以检测.结合Stribeck摩擦转矩模型提出一种基于粒子群算法(PSO)的参数辨识方法,建立起精简、准确的电机摩擦转矩模型.在电机动力学微分方程基础上加入摩擦转矩项,通过恒速摩擦转矩检测实验得到转速-摩擦转矩间的稳态对应关系;采...     

基于贝叶斯优化随机森林的变压器故障诊断

针对集成学习参数众多,缺乏高效准确的参数寻优方法的问题,文章提出了基于贝叶斯优化随机森林(RF)的变压器故障诊断方法.该方法采用了多个决策树构成RF故障诊断模型,然后将高斯过程(GP)作为概率代理模型、提升策略(PI)作为采集函数,构建贝叶斯优化(B0)算法,进行RF模型参数寻优.此外,还对支持向量机(SVM)和K最近邻(KNN)两种模型进行贝叶斯优化并对比.在RF模型上,将贝叶斯优化与随机搜索优化进行性能对比.实验结果表明:RF模型经贝叶斯参数寻优后,诊断准确率有明显提高;与随机搜索优化方法相比,贝叶斯优化搜索的模型参数更优,寻优效率更高.     

改进粒子群算法在永磁同步电动机参数识别中的应用

应用改进粒子群优化算法(IPSO)来识别异步起动永磁同步电动机起动时的动态模型参数.永磁同步电动机异步起动时的电机动态模型采用状态微分方程表示.与遗传算法(GA)和标准粒子群算法(SPSO)相比较,仿真试验表明改进粒子群算法明显提高了识别参数的准确性,同时表明改进粒子群算法能更好地识别永磁同步电动机起动时动态模型的参数.     

基于细菌觅食算法优化的电力变压器故障诊断技术

针对支持向量机(SVM)分类性能受参数影响,且最优参数难以获取这一问题,提出一种基于细菌觅食算法(BFA)的电力变压器故障诊断模型的参数寻优方法。该方法以电力变压器油中特征气体含量作为状态评价样本,通过BFA寻找全局最优SVM参数解,构建k-折平均分类准确率目标函数,建立变压器故障诊断模型。仿真结果表明,BFA对SVM最优参数的选取较遗传算法(GA)、粒子群算法(PSO)更迅速,且优化后的SVM电力变压器故障诊断模型具有更高的精确度;利用BFA优化方法建立的SVM电力变压器状态诊断模型,对IEC三比值法中无法判断的数据也可进行精确诊断。最后,通过实例分析,验证了方法的有效性。     

基于ABC-SVM算法的光伏阵列故障诊断

针对光伏阵列的四种典型故障(老化、遮阴、短路和开路),提出了一种基于人工蜂群算法(ABC)优化支持向量机(SVM)的故障诊断模型,用Matlab对光伏阵列进行仿真,提取故障状态下光伏阵列输出特征向量作为训练样本,通过人工蜂群算法对支持向量机的惩罚因子和核函数参数进行寻优,利用寻优后的参数建立模型进行训练与验证.仿真结果表明,本算法可有效判别光伏阵列的典型故障,且故障诊断精度较高.     

基于SVM与NSGA-Ⅱ的外转子永磁力矩电机多目标优化

建立了外转子永磁力矩电机的有限元分析模型,并以转矩密度和转矩波动为优化目标,建立了电机多目标优化问题的数学模型。通过电机结构参数样本空间设计,利用支持向量机(support vector machine,SVM)对电机进行非线性回归建模,利用带精英策略的快速非支配排序遗传算法(nondominated sorting genetic algorithm Ⅱ,NSGA-Ⅱ)进行参数寻优。通过有限元仿真验证,NSGA-Ⅱ与变权数加权的网格搜索法寻优的对比结果,表明了NSGA-Ⅱ寻优的准确性、有效性及全局性。     

采用 sEMG 的手势识别用 APSO/ CS-SVM 方法

针对基于参数寻优的支持向量机(SVM)方法存在早熟收敛、全局寻优能力差、局部寻优精度低等问题,提出一种自适应粒子群/布谷鸟(APSO/CS)参数寻优方法,旨在实现SVM模型中核函数参数、惩罚因子的优化。测试函数分别对APSO/CS、APSO、CS的参数寻优性能进行了对比分析,表明APSO/CS寻优能够加快局部和全局寻优的收敛速度。采用表面肌电信号(sEMG)对APSO/CS、APSO、CS寻优的SVM方法进行了手势识别对比测试,实验测试结果表明,采用APSO/CS寻优的SVM方法进行手势识别时正确率最高,最高正确率可达94.50%,该方法可为识别分类算法提供一种新思路。     

基于改进粒子群算法的永磁同步风力发电机优化设计

根据离网型小功率永磁同步风力发电机的运行特性,结合场路耦合的方法,设计一台小功率永磁同步风力发电机。为了有效减小发电机起动阻力矩,以发电机齿槽转矩为目标,运用回归型支持向量机实现电机电磁模型的非线性回归建模;基于该非参数模型,利用带压缩因子粒子群算法进行寻优,获取电机的最优结构参数,仿真结果表明了优化设计的正确性。     

基于ADE-SVM和模糊理论的电力系统中期负荷预测

在基于支持向量机(SVM)的电力系统中期负荷预测的基础上,针对SVM参数难以确定的问题,在引进微分进化（DE）算法优化SVM参数的基础上,为了减少DE的寻优时间,提高全局搜索能力,用基于学习样本集噪声估计的方法确定SVM参数的范围作为DE的寻优范围,以指导DE寻优。同时,引进自适应算子,采用参数自适应DE（ADE）算法选择SVM参数。由于影响负荷的气温因素是模糊的,利用隶属度函数对气温因素进行模糊化处理,进一步提高了预测精度。将上述方法用于欧洲智能技术网络(EUNITE)竞赛数据的中期电力负荷预测,结果表     

永磁球形步进电机的结构研究与设计

介绍了一种新型永磁球形步进电机的基本结构,分析了永磁体和定子线圈在实际电机模型中的球面定位,然后介绍了一种以单相电流跟踪PWM控制实验为基础的定子线圈的选择方法。选择合适的部件设计出了永磁球形步进电机的转子球、永磁体、定子支座、定子线圈等各部分的实际参数,给出了详细设计方案,并绘出了该电机的CAD模型图,为永磁球形步进电机的进一步设计和优化提供了依据。     

基于正交投影与多新息RLS的PMSM参数辨识

针对永磁同步电机参数辨识过程中收敛速度慢的问题,提出基于正交投影与多新息递推最小二乘相结合的算法来估计永磁同步电机参数。选择永磁同步电机四阶非线性状态空间模型的数学方程,将此模型改写为线性回归模型的形式,省略线性化过程。在仿真过程中加入噪声到电机的运行系统中,来模拟真实的电机运行环境,然后将正交投影与多新息递推最小二乘的结合算法分阶段配合应用于永磁同步电机的线性回归模型中进行参数辨识。辨识结果显示出了该结合算法的有效性。     

基于多策略ISOA优化SVM的变压器故障诊断研究

针对由支持向量机（SVM）参数难以确定而导致的变压器故障诊断精度低及海鸥优化算法（SOA）易陷入局部寻优的问题,提出一种多策略改进海鸥优化算法（ISOA）优化SVM的变压器故障诊断方法。首先,提出一种多策略的改进方法来全方面提升SOA的寻优性能;然后,利用ISOA对SVM内部参数进行优化,构建基于ISOA-SVM的变压器故障诊断模型;最后,将油中气体溶解分析（DGA）数据的特征提取结果输入到ISOA-SVM模型中进行变压器故障诊断。实例分析表明,所提ISOA-SVM模型诊断精度更优。     

基于粒子群优化算法的永磁电机热网络参数识别

监测永磁电机的永磁体温度对于保证电机的使用寿命至关重要,因为过高的温度会产生永磁体不可逆失磁现象。提出了一种基于粒子群优化算法的永磁电机热网络参数识别方法,实现用热网络监测永磁体的温度。该方法首先建立永磁电机的热网络模型,利用粒子群优化算法结合电机温升试验所得温度数据对热网络模型的主要热力参数进行识别;然后利用该热网络模型进行在线温度识别,识别过程能够快速收敛,具备良好的辨识精度;最后,通过对比仿真识别温度和电机温升试验数据,验证了该方法的准确性。     

基于混合Taguchi遗传算法的永磁同步电机优化设计

论文将混合Taguchi遗传算法(HTGA)引入到永磁电机的优化设计当中。HTGA具有Taguchi的局部寻优能力,又具有传统遗传算法(GA)的全局寻优能力,所以能更快速、更精确地寻找到问题的较优解或最优解,节省大量的计算时间,缩短研发周期。应用Taguchi方法来产生传统GA的子代个体,使更强壮的后代个体的参数特性得到遗传。本文建立了永磁电机的数学模型,将优化算法与永磁电机的基本电磁设计程序相结合,并将该优化设计程序应用于永磁电机的电磁设计中,得到了较好的优化效果。     

双层反向倾斜线圈永磁同步直线电机的设计与优化

提出一种新型线圈拓扑结构——双层反向倾斜线圈,并进行电机结构参数优化以提升永磁同步直线电机(permanent magnet synchronous linear motor,PMSLM)的推力品质。首先,设计双层反向倾斜线圈PMSLM的拓扑结构,采用等效磁化强度法定性分析影响电机推力品质(推力和推力波动率)的主要结构参数。其次,引入机器学习回归建模方法——K-最近邻算法(K-nearest neighbor,KNN),对有限元计算产生的样本数据进行回归拟合,建立电机高精度快速计算模型。最后,采用粒子群算法以平均推力提高、推力波动率降低为优化目标对拟合模型进行迭代寻优,得到最优的电机结构参数。实验证明了所提电机结构设计与优化方法对推力品质提升的有效性。     

基于改进鲸鱼算法的PMSM双预测控制

针对传统永磁同步电机(PMSM)模型预测速度控制(MPSC)中权重因子不能有效整定的问题,提出一种基于改进鲸鱼优化算法(WOA)的权重因子自整定方法,避免了繁琐的参数调整过程。将电机转速误差的绝对值和控制量平方项加权积分作为优化目标,通过迭代寻优获得优化权重因子。并且由于电流环采用传统比例积分(PI)控制会使电流控制存在动态响应时间过长、抗负载能力较差等缺陷,因此在改进MPSC基础上再将带有反馈补偿环节的改进型无差拍预测控制(DPCC)应用到电流环,从而形成PMSM双预测控制。实验结果表明所提控制方案是有效的,能够实现对电机转速的精准控制和电机电流快速平稳跟踪,提高了系统鲁棒性。     

基于单形进化算法优化支持向量机的运动想象脑电分类研究

由于支持向量机(support vector machine,SVM)优化算法存在易陷入局部最优解、控制参数较多的问题,提出一种基于单形进化(surface-simplex swarm evolution,SSSE)算法优化的SVM并对运动想象(motor imagery,MI)脑电信号的分类进行了研究.提取MI脑电信号模糊熵和AR(auto regressive)模型参数作为输入特征,然后将SSSE应用在SVM的参数寻优中,实现对MI脑电信号的分类.测试实验中,对2003国际BCI竞赛Data set Ⅲ和2008国际BCI竞赛Data sets 2b进行左右手分类,结果表明,所提方法的平均分类正确率和Kappa值分别为82.47％和0.88,单形进化算法减少了控制参数且有效避免粒子陷入局部最优,验证了该方法在MI脑电信号分类的有效性.     

新型永磁球形步进电动机结构参数及转矩特性的计算与分析

介绍了一种新型永磁球形步进电动机的结构、工作原理,对电机的结构参数进行了深入分析。针对目前此类球形电机转矩计算的困难,基于麦克斯韦张量法推导并建立了有效的电机转矩计算模型,运用该方法对已知的电机模型进行分析,获得了典型的转矩特性。在此基础上对影响电机电磁转矩的主要结构参数进行了研究,并对典型的电机单步响应过程进行了仿真分析。通过合理设计电机的结构参数和电磁参数,可有效提高电机输出转矩,降低转动惯量,提高电机响应特性。所得结论为永磁球形步进电动机进一步的设计和优化提供了理论依据。     

改进秃鹰搜索算法优化SVM的变压器故障诊断研究

支持向量机(support vector machine, SVM)用于变压器故障诊断时,其核函数参数g和c的最优值难以根据人工经验选取,故障诊断准确率较低;而秃鹰搜索算法(bald eagle search, BES)存在易陷入局部最优和收敛精度低的缺陷。针对以上问题,提出一种改进秃鹰搜索算法(Ct-GBES)优化SVM参数g和c的变压器故障诊断模型。采用tent混沌映射、自适应t-分布及动态选择、黄金正弦算法对BES的3个阶段进行改进和优化,以提高算法的收敛速度和搜索能力。通过与原始BES、布谷鸟算法(cuckoo search, CS)和萤火虫算法(firefly algorithm, FA)的寻优对比测试,验证了Ct-GBES算法的优越性。将Ct-GBES-SVM模型与SVM、FA-SVM、CS-SVM模型进行故障诊断实验对比,并与BES-SVM模型进行稳定性实验对比。结果表明,所提模型准确率更高、稳定性更好、运行时间更短,其故障诊断效果更好。