典型文献
联合VMD与ISSA-ELM的电力电子电路软故障诊断
文献摘要：
针对电力电子电路的软故障特征区分度差、不易诊断等问题,提出了变分模态分解(VMD)结合改进的麻雀搜索算法(ISSA)优化极限学习机(ELM)的故障诊断方法.首先,将采集的故障信号进行VMD分解成本征模态分量(IMF),提取线性重构后IMF的12维时域参数作为故障诊断的特征向量.其次为提高ELM在故障诊断中的精度,提出ISSA对ELM的参数进行优化,建立ISSA-ELM分类模型.ISSA首先采用Iterative映射初始化种群,然后在发现者位置更新处引入自适应惯性权重因子,最后在解的位置引入Levy变异算子进行扰动得到新解等3种策略改进,提高算法性能.在8类基准函数测试中,ISSA比另外4种智能算法的收敛速度和寻优精度均有提升,并且VMD结合ISSA-ELM在功率为150 W Boost电路软故障诊断中精度达到99％以上.
文献关键词：
变分模态分解;极限学习机;改进麻雀搜索算法;电路软故障诊断
中图分类号：
作者姓名：
朱文昌;李振璧;姜媛媛
作者机构：
安徽理工大学电气与信息工程学院 淮南 232001;安徽理工大学环境友好材料与职业健康研究院(芜湖) 芜湖 241003;亳州学院电子与电气工程系 亳州 236800
文献出处：
引用格式：
[1]朱文昌;李振璧;姜媛媛-.联合VMD与ISSA-ELM的电力电子电路软故障诊断)[J].电子测量与仪器学报,2022(05):223-233
A类：
B类：
VMD,ISSA,ELM,电力电子电路,电路软故障诊断,故障特征,特征区,区分度,变分模态分解,改进的麻雀搜索算法,化极,极限学习机,故障诊断方法,故障信号,分解成,本征模态分量,IMF,线性重构,时域参数,特征向量,分类模型,Iterative,初始化,发现者,位置更新,自适应惯性权重,权重因子,Levy,变异算子,新解,算法性能,基准函数,函数测试,智能算法,收敛速度,寻优精度,Boost,改进麻雀搜索算法
AB值：
0.324177
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
