基于改进鲸鱼算法优化LSTM的化工过程故障诊断方法

鲸鱼优化算法是一种群体智能优化算法,文中针对基本鲸鱼优化算法收敛速度慢、收敛精度低、易陷入局部最优等问题,从几个方面对其进行了改进:通过Tent混沌对种群进行初始化来增加种群多样性;融入非洲秃鹫算法的群体最优和次优策略与探索阶段位置更新策略,以避免算法早熟以及陷入局部最优;采用一种新的非线性收敛因子替代鲸鱼优化算法原本的线性收敛因子,平衡算法的全局探索和局部开发;引入了非线性自适应增量惯性权重,更好地平衡了全局搜索能力与局部搜索能力;最终得到一种混合非洲秃鹫算法的改进鲸鱼优化算法(MAWOA)。在对4种基准测试函数进行的对比试验中显示,MAWOA具有较快的收敛速度和较高的收敛精度。将MAWOA算法应用于长短期记忆(LSTM)网络的超参数寻优中,构建MAWOA-LSTM故障诊断模型。结合田纳西伊斯曼(TE)化工数据集进行故障诊断,通过与LSTM、WOA-LSTM等模型进行准确率对比,验证了所提算法的优越性。