[發(fā)明專利]基于改進(jìn)GA-PSO-BP的船舶短路故障診斷方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201910585630.2
• 申請(qǐng)日: 2019-07-01
• 公開（公告）號(hào): CN110263907B
• 公開（公告）日: 2020-12-29
• 發(fā)明（設(shè)計(jì)）人: 李超;薛士龍
• 申請(qǐng)（專利權(quán)）人: 上海海事大學(xué)
• 主分類號(hào): G06N3/00
• 分類號(hào): G06N3/00;G06N3/04;G06N3/08
• 代理公司: 上海元好知識(shí)產(chǎn)權(quán)代理有限公司 31323
• 代理人: 張靜潔;徐雯瓊

本發(fā)明提供一種基于改進(jìn)GA?PSO?BP的船舶短路故障診斷方法，包含步驟：S1、采集船舶電力系統(tǒng)短路時(shí)的三相電壓信號(hào)，建立訓(xùn)練數(shù)據(jù)集和測(cè)試數(shù)據(jù)集；S2、建立三層BP神經(jīng)網(wǎng)絡(luò)模型；S3、建立表示BP神經(jīng)網(wǎng)絡(luò)模型的粒子群；S4、將粒子位置賦予BP神經(jīng)網(wǎng)絡(luò)模型，將訓(xùn)練數(shù)據(jù)集輸入BP神經(jīng)網(wǎng)絡(luò)進(jìn)行船舶短路故障診斷，得到診斷結(jié)果計(jì)算診斷結(jié)果的誤差值，當(dāng)誤差值大于ε或迭代次數(shù)未達(dá)到g_max，迭代次數(shù)加1并進(jìn)入S5，否則結(jié)束迭代，進(jìn)入S7；S5、更新粒子速度和粒子位置；S6、交叉變異粒子位置，更新粒子為下一代粒子；重復(fù)步驟S4～S6；S7、將粒子群的全局最優(yōu)值作為最優(yōu)粒子賦予BP神經(jīng)網(wǎng)絡(luò)模型；S8、將測(cè)試數(shù)據(jù)集輸入BP神經(jīng)網(wǎng)絡(luò)模型模型，診斷船舶短路故障。

技術(shù)領(lǐng)域

本發(fā)明涉及智能控制領(lǐng)域，特別涉及一種基于改進(jìn)GA-PSO-BP的船舶短路故障診斷方法。

背景技術(shù)

船舶電力出現(xiàn)故障時(shí)對(duì)船舶航行安全性危害很大。隨著航行里程與年限的增加，船舶電力系統(tǒng)線路絕緣損壞愈發(fā)嚴(yán)重，短路故障成為影響船舶電力安全最重要的故障類型。為保證供電安全及質(zhì)量，需要在故障產(chǎn)生初期盡可能短的時(shí)間診斷并切除故障，因此有必要建立一個(gè)高效的診斷系統(tǒng)來應(yīng)對(duì)復(fù)雜的船舶電力系統(tǒng)。

當(dāng)前造船技術(shù)突飛猛進(jìn)，船舶規(guī)模越來越大，航行設(shè)備以及電氣設(shè)備的規(guī)模也隨之增大，這也直接復(fù)雜化了船舶的電力系統(tǒng)，因此船舶的故障也逐漸呈現(xiàn)出多種類型并發(fā)的特點(diǎn)，故障復(fù)雜性和診斷難度大幅度提升。由于潮濕的環(huán)境和獨(dú)立的系統(tǒng)工作狀況，在船舶電力系統(tǒng)的眾多故障中，短路故障占比最高。現(xiàn)有技術(shù)中，通過RBF(Radial basisfunction徑向基函數(shù))神經(jīng)網(wǎng)絡(luò)、BP(Back Propagation反向傳播)神經(jīng)網(wǎng)絡(luò)以及PSO(Particle Swarm Optimization粒子群優(yōu)化算法)等來診斷船舶電力系統(tǒng)短路故障。

現(xiàn)有技術(shù)中，BP算法需要依賴初始權(quán)值的選擇，不可避免的存在收斂速度慢、容易陷入局部最優(yōu)、誤差函數(shù)必須可導(dǎo)等缺陷。通過BP算法訓(xùn)練神經(jīng)網(wǎng)絡(luò)的輸出具有不一至性和不可預(yù)測(cè)性，導(dǎo)致其訓(xùn)練的神經(jīng)網(wǎng)絡(luò)的可靠性降低。RBF神經(jīng)網(wǎng)絡(luò)的診斷精度雖高于BP神經(jīng)網(wǎng)絡(luò)，但是RBF網(wǎng)絡(luò)結(jié)構(gòu)龐大，運(yùn)算量增多，這不利于診斷的及時(shí)性。GA(遺傳)算法、PSO算法能較好地逼近全局最優(yōu)解，可以很好的用于神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)。但是傳統(tǒng)GA算法的遺傳操作，如選擇、交叉、變異等，使神經(jīng)網(wǎng)絡(luò)的訓(xùn)練時(shí)間隨問題的規(guī)模及復(fù)雜程度呈指數(shù)增長(zhǎng)。而且，由于缺乏有效的局部區(qū)域搜索機(jī)制，算法在接近最優(yōu)解是收斂緩慢甚至出現(xiàn)收斂停止現(xiàn)象。PSO算法是基于群體智能理論的優(yōu)化算法，通過種群中粒子間的合作與競(jìng)爭(zhēng)產(chǎn)生的群體智能知道優(yōu)化搜索。它根據(jù)自己的速度來決定搜索，可以記憶所有例子都共享的迄今為止問題的最好解，其收斂速度比較快。在非線性函數(shù)優(yōu)化、電壓穩(wěn)定性控制、神經(jīng)網(wǎng)絡(luò)訓(xùn)練中都得到了很好的應(yīng)用。PSO優(yōu)化BP神經(jīng)網(wǎng)絡(luò)能動(dòng)態(tài)調(diào)整BP的權(quán)值和閾值，收斂效果顯著。但隨著迭代次數(shù)增加，粒子種群的多樣性遭到破壞，容易使粒子趨向統(tǒng)一化，也容易陷入局部最優(yōu)。基于GA-PSO優(yōu)化BP神經(jīng)網(wǎng)絡(luò)，粒子群的慣性權(quán)重和學(xué)習(xí)因子為固定值，不能使粒子更好的搜索到目標(biāo)。

發(fā)明內(nèi)容

本發(fā)明的目的是提供一種基于改進(jìn)GA-PSO-BP的船舶短路故障診斷方法，通過優(yōu)化改進(jìn)粒子群算法中的慣性權(quán)重和學(xué)習(xí)因子，使得慣性權(quán)重和學(xué)習(xí)因子在迭代過程中逐步減小，保證了粒子在搜索初期快速探測(cè)到更好的位置，同時(shí)保證了粒子在搜索后期的搜索精度，并使粒子擺脫了趨于局部最優(yōu)。本發(fā)明還通過自適應(yīng)的交叉概率和變異概率控制粒子位置交叉變異，產(chǎn)生新一代粒子群，保證了粒子種群維持多樣性，同時(shí)使得本發(fā)明的改進(jìn)遺傳粒子群算法具有更好的收斂精度和更快的收斂速度。

為了達(dá)到上述目的，本發(fā)明提供一種基于改進(jìn)GA-PSO-BP的船舶短路故障診斷方法，包含步驟：

S1、采集模擬環(huán)境下船舶電力系統(tǒng)短路時(shí)的三相電壓信號(hào)作為樣本數(shù)據(jù)；對(duì)所述樣本數(shù)據(jù)進(jìn)行小波包分解，得到樣本數(shù)據(jù)在多個(gè)頻段下的濾波重構(gòu)信號(hào)；選取能量值高的頻段下的濾波重構(gòu)信號(hào)，建立訓(xùn)練數(shù)據(jù)集和測(cè)試數(shù)據(jù)集；