[發明專利]基于改進GA-PSO-BP的船舶短路故障診斷方法

有效

• 申請號: 201910585630.2
• 申請日: 2019-07-01
• 公開（公告）號: CN110263907B
• 公開（公告）日: 2020-12-29
• 發明（設計）人: 李超;薛士龍
• 申請（專利權）人: 上海海事大學
• 主分類號: G06N3/00
• 分類號: G06N3/00;G06N3/04;G06N3/08
• 代理公司: 上海元好知識產權代理有限公司 31323
• 代理人: 張靜潔;徐雯瓊

1.一種基于改進GA-PSO-BP的船舶短路故障診斷方法，其特征在于，包含步驟：

S1、采集模擬環境下船舶電力系統短路時的三相電壓信號作為樣本數據；對所述樣本數據進行小波包分解，得到樣本數據在多個頻段下的濾波重構信號；選取能量值高的頻段下的濾波重構信號，建立訓練數據集和測試數據集；

S2、建立三層BP神經網絡模型，設置所述BP神經網絡模型的權值、閾值；

S3、設置粒子維度和粒子個數，建立表示BP神經網絡模型的粒子群；初始化所述粒子群；設置最大迭代次數g_max，誤差閾值ε，適應度函數f；隨機初始化粒子的初始速度和初始位置；

S4、將粒子位置每個維度的值按順序賦給所述BP神經網絡模型的權值和閾值；將S1中所述訓練數據集輸入BP神經網絡進行船舶短路故障診斷，得到診斷結果；通過所述適應度函數f對診斷結果計算誤差值；當誤差值大于所述誤差閾值ε或迭代次數未達到所述最大迭代次數g_max，迭代次數加1并進入S5；否則，結束迭代，進入S7；

S5、更新粒子速度和粒子位置；具體包含：

v_ij(t+1)＝ω·v_ij(t)+c₁r₁(t)[p_ij(t)-x_ij(t)]+c₂r₂(t)[p_gj(t)-x_ij(t)]；

x_ij(t+1)＝x_ij(t)+v_ij(t+1)；

t表示第t代粒子，v_ij表示粒子速度，x_ij為粒子位置，i代表第i個粒子，j表示目標搜索空間為j維；r₁和r₂為0-1之間的隨機數；p_ij為當前個體最優值，p_gj為當前全局最優值；

ω為慣性權重：

ω＝ω₀+ω₁·rand()+ω₂·exp(-k×(i/g_max)^u)；

ω₀、ω₁和ω₂為0-1之間隨機數，k和u為常數；

c₁和c₂為學習因子：

c₁₀、c₁₁、c₁₁、c₁₁均為常數；

p_ij為當前個體最優值，p_gj為當前全局最優值；

p_gj(t)＝min{p_1j(t),p_2j(t),…,p_ij(t),…,p_d′j(t)}；

f為所述適應度評價函數，f(x_ij(t))為粒子x_ij的適應度值，d′為粒子總數；

S6、交叉變異粒子位置，更新粒子為下一代粒子；步驟S6具體包含：

S61、根據交叉概率p_c對粒子位置進行交叉；

b為0～1之間的隨機數；x_kj、x_lj為要進行交叉的兩個粒子位置，k、l分別表示第k、l個粒子，j表示目標搜索空間為j維；

所述交叉概率p_c通過下述方法計算：

其中，p_c1、p_c2為0～1之間的隨機數；f_b為待交叉兩個粒子的適應度值中的較大值，f_av表示當前粒子群的平均適應度值，f_max表示當前粒子群中最大的適應度值；

S62、根據變異概率p_m對粒子位置進行變異；

式中，x_max為x_ij的最大值，x_min為x_ij的最小值；f₁(g)＝r₂(1-g/g_max)，r₂為隨機數，g為當前迭代數，r′為[0,1]之間的隨機數；

所述變異概率p_m通過下述方法計算：

其中，p_m1、p_m1為0～1之間的隨機數；f代表待變異粒子的適應度值；

重復步驟S4～S6；

S7、將粒子群的全局最優值作為最優粒子；將所述最優粒子的粒子位置每個維度的值按順序賦予BP神經網絡模型的所述權值及所述閾值，得到最終BP神經網絡模型；

S8、將步驟S1中所述的測試數據集輸入所述最終BP神經網絡模型模型進行故障診斷，得到船舶短路故障診斷結果。