[發明專利]基于混沌布谷鳥算法的GIS機械故障診斷方法及系統

在審

• 申請號: 201810414184.4
• 申請日: 2018-05-03
• 公開（公告）號: CN108663202A
• 公開（公告）日: 2018-10-16
• 發明（設計）人: 莊燕飛;黃銳;袁海燕;馮迎春;呂俊濤
• 申請（專利權）人: 國家電網公司;國網山東省電力公司檢修公司
• 主分類號: G01M13/00
• 分類號: G01M13/00
• 代理公司: 濟南圣達知識產權代理有限公司 37221
• 代理人: 李琳

1.一種基于混沌布谷鳥算法的GIS機械故障診斷方法，其特征是：包括以下步驟：

根據典型故障模擬GIS電氣故障和機械故障，獲取GIS正常振動信號和故障信號；

運用混沌布谷鳥算法優化變分模態分解參數，采用混沌映射提高布谷鳥種群的種群數；

對GIS正常振動信號和故障信號分別進行變分模態分解，提取不同故障類型信號的特征向量；

通過聚類算法對訓練樣本特征向量集進行聚類，得到不同的聚類中心；

利用最小歐氏距離原則對測試樣本特征向量集進行識別，實現GIS機械故障的診斷。

2.如權利要求1所述的一種基于混沌布谷鳥算法的GIS機械故障診斷方法，其特征是：收集歷史數據中典型故障模擬GIS電氣故障和機械故障數據，形成GIS正常振動信號集合和故障信號集合。

3.如權利要求1所述的一種基于混沌布谷鳥算法的GIS機械故障診斷方法，其特征是：運用混沌布谷鳥算法優化變分模態分解參數，采用混沌映射提高布谷鳥種群的種群數的具體過程包括在布谷鳥算法變更鳥巢位置后，進行混沌優化搜索，使用混沌映射得到混沌序列，根據適應度函數改變鳥巢位置。

4.如權利要求3所述的一種基于混沌布谷鳥算法的GIS機械故障診斷方法，其特征是：包括以下步驟：

1)初始化CCS算法各參數并確定適應度函數；

2)初始化概率參數，隨機產生n個鳥巢，以影響參數中的預知模態數和二次懲罰項的組合作為鳥巢位置，隨機產生一定數量的影響參數組合作為鳥巢的初始位置；

3)在不同鳥巢位置條件下對信號做變分模態分解運算，計算各鳥巢位置相對應的適應度值；

4)保留前一代最適鳥巢位置，利用Levy飛行算法更新鳥巢，對比適應度值大小；

5)判斷適應度函數在參數設定迭代次數內是否變化，若存在變化，轉入下一步；若不存在變化，對當前最優鳥巢混沌映射；

6)利用步驟4)變更鳥巢位置，用隨機數與概率參數對比，若隨機數大于概率參數，則隨機改變鳥巢位置，反之則不變，最后保留最好的一組鳥窩位置；

7)循環迭代，轉至步驟3)，直至迭代次數達到最大設定值后輸出最佳適應度值及鳥巢位置。

5.如權利要求1所述的一種基于混沌布谷鳥算法的GIS機械故障診斷方法，其特征是：GIS振動信號x(t)的變分模態分解得到n個內稟模態函數BIMF，相應的可計算出其對應各自的能量值E1，E2，…En；不考慮參與分量的影響，n個BIMF的能量總和一定等于原始振動信號的總能量值；由于各個BIMF分量BIMF1，BIMF2，…，BIMFn包含不一樣的頻率組成成分，對應著不一樣的能量矩陣E＝{E1，E2，…En}，構成頻率域內GIS振動信號的能量分布。

6.如權利要求1所述的一種基于混沌布谷鳥算法的GIS機械故障診斷方法，其特征是：通過線性遞減權重PSO優化的K-means聚類算法對訓練樣本特征向量集進行聚類，得到不同的聚類中心。

7.如權利要求6所述的一種基于混沌布谷鳥算法的GIS機械故障診斷方法，其特征是：優化后的PSO算法計算過程包括：

a)初始化種群規模、粒子的速度和位置參數；

b)評價每個粒子的適應度，使粒子中帶有最優適應值的個體位置和適應值保存在全局極值gbest中；

c)更新粒子位置和速度；

d)根據當前迭代步數，更新權重值：

e)將每個粒子的適應度值與個體極值pbest、全局極值gbest作比較，若優于pbest、gbest則進行替代，然后比較當前所有的pbest、gbest，更新gbest；

f)如果滿足終止條件的相應條件，則終止迭代，如果沒有就返回步驟c)。

8.如權利要求1所述的一種基于混沌布谷鳥算法的GIS機械故障診斷方法，其特征是：將線性遞減權重PSO算法引入到K-means聚類中來，采用聚類中心編碼的方式，將數據樣本點與質心的歐氏距離函數設計為線性遞減權重PSO的適應度值函數。