基于人工免疫分类算法的电力变压器故障诊断

基于人工免疫识别原理提出一种电力变压器故障诊断方法。该算法模拟自然免疫中抗原和B细胞相互作用机制,将故障样本(变压器油中溶解气体体积)作为抗原,用加权欧氏距离计算亲和力,兼顾分量单项超标故障信息,通过免疫训练,获取表征故障样本的人工识别球集合,再用最邻近分类法对故障样本分类。实例表明,该算法能有效识别变压器故障,具有较高的检测准确率,在电力变压器故障诊断中有良好的应用前景。

基于人工免疫系统的关联规则挖掘算法

给出了一个基于人工免疫系统的关联规则挖掘算法。将训练数据作为抗原 ,候选模式作为人工识别球 (ARB) ,通过免疫学习生成频繁模式并以免疫记忆的形式加以保存 ,最终生成关联规则。所给的应用实例说明本算法是可行。

基于免疫Agent的液体火箭发动机故障诊断

为解决液体火箭发动机系统非线性导致的故障诊断困难问题,将免疫Agent(IA)技术应用于液体火箭发动机的故障诊断研究。结合可变半径人工识别球(ARB)方法,在学习人类举一反三的机制,采用最大识别概率原则的基础上,构建了免疫Agent实体,并进行了仿真实验。实验结果表明:该方法训练时间短、正确率高、有较强的抗噪能力和自学习能力,可以应用于液体火箭发动机的状态监测与故障诊断。

AIS在LRE故障检测与诊断中的应用研究

为提高液体火箭发动机(LRE)故障检测与诊断的及时性、实时性与准确性,将人工免疫系统(AIS)中的否定选择原理用于LRE的故障检测与诊断。基于正常状态与故障模式的人工识别球,采用最大相似原则,实现了LRE稳态工作过程中的故障检测与诊断,并用LRE稳态故障试车数据进行实验。验证结果表明:AIS对LRE故障检测与诊断的速度快,正确率与灵敏度高,捕获未知故障能力强,有良好的应用前景。

基于免疫抗体记忆分类算法的变压器故障诊断

针对传统克隆免疫算法应用于变压器故障诊断时学习速度慢、无分类能力及抗体空间小等缺点,提出一种免疫抗体记忆分类算法。利用免疫抗体识别抗原的原理和抗体记忆功能,将克隆选择与进化算法相结合,通过学习训练抗原及附属类型信息,得到由不同类型检测集组成的故障信息库,从而在保证亲和力的同时,加快学习速度,扩大免疫搜索空间,并利用人工识别球与刺激水平的线性关系对故障类型进行快速诊断。实验结果证明,该算法具有较快的运行速度及较高的诊断准确率。