基于INTLBO-SVR的低压断路器热脱扣时间预测

热脱扣时间是低压断路器的关键指标,利用断路器生产过程中可检测数据可以实现热脱扣时间的预测。针对支持向量回归(SVR)进行热脱扣时间预测,参数的选择对预测的精度和泛化性能影响较大问题,提出一种基于隔离小生境教学算法(Isolated Niche Teaching-Learning-Based Optimization Algorithm,INTLBO)优化支持向量回归的热脱扣时间预测方法。该方法针对教学算法易陷入局部最优的缺点,采用隔离机制的小生境技术对其进行改进,然后利用INTLBO寻优找到最优的SVR参数。根据低压断路器生产历史数据,建立基于INTLBO-SVR的热脱扣时间预测模型。仿真结果表明,与TLBO-SVR和常规SVR等方法相比,INTLBO-SVR模型具有较好的预测性能。

基于加权核偏最小二乘的低压断路器热脱扣时间预测方法

热脱扣时间是低压断路器产品质量的关键指标。为实现断路器热脱扣时间的实时预测,提出了一种加权核偏最小二乘(WKPLS)预测方法。该方法根据生产样本数据的分布与统计特性确定样本的权值,以解决断路器生产数据分布不平衡问题。以电流、环境温度、双金属片初始位置与焊接位置为输入量,利用WKPLS方法建立低压断路器热脱扣时间模型。利用采集的断路器生产数据进行仿真实验,结果表明基于WKPLS方法建立的断路器热脱扣时间模型预测精度较高,且该模型可为断路器生产过程中的控制参数调整和异常监测提供一定参考。