采用新型粒子群算法的电力电子装置在线故障诊断方法

分析了12脉波可控整流电路的294种故障模式,根据整流电压畸变波形提出一种特殊的故障分类方法。通过对故障电压波形的逻辑预处理得出12维故障向量及相应的故障编码。为改善粒子群算法(particle swarm optimization,PSO)的性能提出一种改进的带扰动项粒子群算法。引入进化速度因子,当粒子进化速度低于一定值时在粒子速度更新方程中添加一扰动项,算法的搜索效率和全局优化性能显著提高。将改进算法用于神经网络故障诊断建模,实验结果表明该系统具有诊断速度快、精度高的特点。适用于复杂电力电子设备或系统的故障诊断场合。

基于粒子群最小二乘支持向量机的软测量建模

针对最小二乘支持向量机处理大规模样本软测量建模问题时出现模型结构复杂、失去支持向量稀疏性且正规化参数和核参数难以确定的情况,提出了一种改进的算法。利用样本间马氏距离进行样本相似程度分析,去除样本集中部分样本以简化模型结构并提高计算速度,此外应用改进的带扰动项粒子群算法优化模型参数以提高模型的拟合精度和泛化能力。将提出的改进算法用于丙烯腈收率软测量建模,研究结果表明模型精度较高、泛化性能好,满足现场测量要求。