基于精英蜂群算法的变压器故障诊断.pdf

文档介绍：第21卷第4期 黑龙江工业学院学报 Vol. 21 No. 4
20rt Vector Machines, SVM )等。虽然，这些算 (Elite Artificial Bee Colony Algorithm,EABC),并将
法能够被应用于故障诊断,但是单一的分类算法 其应用SVM 算法中，构建EABC - SVM 变压器故
或多或少会存在收敛慢、精度低、易陷入局优等问 障诊断模型。通过仿真验证，此模型具有故障诊
题。如文献［1］建立的支持向量机故障诊断模型， 断准确率高、克服局优能力强、计算简单等优势。
虽然能够很好的解决非线性分类问题，但是该方 1支持向量机分类模型
法存在运行不稳定、模型表现受超参数对制约等 支持向量机⑷(Support Vector Machines,
问题。文献［2］在以BP神经网络为基础构建的变 SVM) ，是一种基于统计学习理论(Statistical Learn­
压器故障诊断模型的基础上，引入天牛须智能优 ing Theory, SLT )的新的机器学习算法。由SLT 基
作者简介:钟化兰,副教授，华东交通大学电气与自动化工程学院。研究方向:铁路供电自动化与信息化。
黄扬海,硕士，华东交通大学电气与自动化工程学院。研究方向:变压器故障诊断。
• 117 •第4期 黑龙江工业学院学报 2021 年
本原理可知,基于统计模型的机器学习算法误差 离,其值是大于或者等于1。
由经验误差和置信域组成，在SVM 模型中，以最小 若在图1中出现类别1与类别