[發明專利]基于混沌萬有引力搜索的SVM的電廠設備狀態監測方法

在審

• 申請號: 201410748187.3
• 申請日: 2014-12-09
• 公開（公告）號: CN104408671A
• 公開（公告）日: 2015-03-11
• 發明（設計）人: 龔安;高洪福;呂倩;高云
• 申請（專利權）人: 中國石油大學（華東）
• 主分類號: G06Q50/06
• 分類號: G06Q50/06;G06N3/00
• 代理公司: 暫無信息
• 代理人: 暫無信息

技術領域

本發明涉及一種電廠設備狀態監測方法，尤其涉及一種基于混沌萬有引力搜索的SVM的電廠設備狀態監測方法。

背景技術

SVM(支持向量機)的性能與其相關參數的選取有很大關系，目前常用的SVM參數優化方法有蟻群優化算法、遺傳算法、粒子群優化算法等。上述算法都在相應的領域證明了各自的有效性，但在尋優的過程中均會不同程度地陷入局部最優，因此探索新的群體智能算法優化SVM參數是有意義的。

2009年，伊朗克曼大學的教授Esmat?Rashedi等提出一種新的啟發式優化算法——萬有引力搜索算法(Gravitational?Search?Algorithm，GSA)，研究發現，在對標準測試函數進行優化時，GSA的尋優精度和收斂速度都明顯優于粒子群優化算法和遺傳算法等優化算法。但是與其它智能優化算法一樣，GSA也存在局部優化能力差的問題。

綜上所述，現在需要發明一種算法既能優化尋優精度、收斂速度，又能解決存在局部優化能力差的問題。

發明內容

針對萬有引力搜索算法在參數優化及應用方面存在局部優化能力差的問題，本發明研制一種基于混沌萬有引力搜索的SVM的電廠設備狀態監測方法。

為達到上述發明目的，本發明的混沌萬有引力搜索算法，其特征在于，包括以下步驟：

第一步初始種群的產生

利用混沌序列產生初始種群的步驟如下：

a.產生一個D維的隨機向量：

???(1)式中：且各分量之間有微小差別。

b.Logistic映射：將η₀作為迭代初始值，根據Logistic映射得到方程為：

ηi+1d=μηid(1-ηid)---(2)]]>

式中：μ＝4，i＝1,2,…N，d＝1,2,…,D。

c.將混沌運動的遍歷范圍映射到優化變量的搜索區間。

???(3)式中：max^d為取值上限，min^d為取值下限。

第二步對新種群的處理

將新種群按照適應度大小分成3個等級：好(A)、中(B)、差(C)，分別給予不同的操作。

a.群體A中每個粒子在其小鄰域內，利用混沌序列產生p個新粒子，最后保留包括自身在內的p+1個粒子中適應度最好的粒子。該操作相當于在優秀粒子的小鄰域內搜索更優秀的粒子。利用混沌序列產生小鄰域內的粒子的步驟如下：

a.1利用公式(1)(2)得到p個混沌變量η_i。

a.2將混沌變量按公式(4)“放大”到一個以粒子當前位置為中心，以r為半徑的區域上。這里取r＝0.005(max^d-min^d)，max^d為d維最大值，min^d為d維最小值。