基于改进灰狼算法优化的继电器寿命预测方法技术

本发明专利技术是一种基于改进灰狼算法优化的继电器寿命预测方法，包括步骤1获取建立训练样本所需的材料性能参数；步骤2将需要优化的初始权值和初始阈值获得的父代种群中狼位置的取值进行初始化；步骤3：采用灰狼算法优化，不断地对父代种群进行迭代更新，直到满足停止条件，此时获得的代种群中狼最优位置的取值；步骤4：建立BP神经网络，通过将不同结果的BP神经网络进行对比，得出最优模型；步骤5：将灰狼算法提取到的重要信息作为BP神经网络的输入，通过吸合时间和超程时间作为输入量和输出量，建立电磁继电器的寿命预测模型；步骤6：通过计算均方根误差，将实际值与测试值进行对比，清晰地表示预测精度。本发明专利技术计算速度快且预测精度高。高。

【技术实现步骤摘要】
基于改进灰狼算法优化的继电器寿命预测方法


[0001]本专利技术涉及一种电磁继电器寿命预测方法，具体的说是涉及一种改进灰狼算法优化的继电器寿命预测方法。

技术介绍

[0002]电磁继电器属于机电一体化器件，包括电磁和机械传动两个组成部分，结构比较复杂，而且电磁继电器制造过程中有些装配调整还需要通过手工操作完成，因此，与其他电子元件相比,电磁继电器的使用可靠性要差一些。然而，电磁继电器的可靠性直接关乎和影响自动控制系统以及电子设备性能的可靠性，对电磁继电器可靠性研究已成为人们和学术界关注的焦点。
[0003]目前存在多种继电器寿命预测方法，在继电器的寿命预测方法方面，国内外学者有过很多探索。针对非平稳时间序列，翟国富等提取了超程时间和吸合时间的平稳项和趋势项，建立了2种模型，分别对平稳项和趋势项进行预测，进而提出了超程时间和吸合时间双变量预测模型；李华等将超程时间数据划分为多个区间，求得各区间平均超程时间作为测试集，在此基础上建立超程时间回归模型，并通过参数动态更新以提高预测精度；李玲玲等分析了继电器生命初态信息与其寿命的关联性，得到了初态信息与寿命之间的联系,提出基于粗糙集理论的预测方法；为提高非平稳时间序列的预测精度，李志刚等使用改进的小波包变换将超程时间分解为平稳项和随机项，并建立了自回归模型和基于相空间重构的径向基神经网络模型，分别对平稳项和随机项进行预测,提高了预测精度；Zhou等通过监测线圈电流和触点电流，得到超程时间、吸合时间和线圈电流3个参数,分析了各参数所表示的特征,为继电器潜在的故障提供了有效的监测手段；张菲菲等分析了超程时间和吸合时间随继电器动作次数的变化趋势，并选取吸合时间和超程时间作为预测变量,建立了基于BP神经网络的预测模型，取得了较好的预测结果；李文华等使用因子分析法对接触压降和释放电压交叉数据进行降维处理,建立两者与接触电阻的回归模型，使用函数链神经网络实现了继电器寿命的预测，但神经网络预测精度取决于训练过程中的参数设定以及样本数量，且训练过程较消耗时间。
[0004]综上所示，现有的继电器失效寿命预测方法计算速度慢，并且预测精度不高。

技术实现思路

[0005]为了解决上述问题，本专利技术提供了一种基于灰狼算法优化的继电器寿命预测方法，该方法使用最小二乘支持向量回归算法对继电器的剩余寿命进行预测，并且使用了差分进化(DE)算法对原始的灰狼(GWO)算法进行优化，提高原算法的搜索和收敛速度，然后使用改进后的基于差分进化算法优化的灰狼算法(DE
‑
GWO)对最小二乘支持向量回归中的惩罚参数C和核函数参数σ进行参数寻优，进一步提高了模型的拟合能力。
[0006]为了达到上述目的，本专利技术是通过以下技术方案实现的：
[0007]本专利技术是一种基于改进灰狼算法优化的继电器寿命预测方法，其特征在于：所述
继电器寿命预测方法包括如下步骤：
[0008]步骤1：对电磁继电器进行失效退化试验，获取建立训练样本所需的材料性能参数；
[0009]步骤2：将需要优化的初始权值和初始阈值获得的父代种群中狼位置的取值进行初始化，通过灰狼算法对初始权值和初始阈值进行优化，可以大大提升BP神经网络的寻优性能，避免发生收敛速度过慢、陷入局部最优、稳定性差或者过学习、欠学习等问题。
[0010]步骤3：采用灰狼算法优化，不断地对父代种群进行迭代更新，直到满足停止条件，此时获得的代种群中狼最优位置的取值即为最优的参数C、σ。
[0011]此步骤中灰狼算法优化的具体过程为：
[0012]步骤3
‑
1：初始化模型训练参数和初始化种群，其中优化参数为C和α，且这个两个参数构成了每个狼体X；
[0013]步骤3
‑
2：计算每个个体的适应度值，并且将每个个体按照适应度值从小到大的顺序进行排序，选取前三的个体X
α
、X
β
、X
δ
作为上层狼；
[0014]步骤3
‑
3：更新父代种群狼的位置，狼群种群捕食过程中的个体位置更新公式为：
[0015]d＝|C
·
X
P
(t)
‑
X(t)|
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(1)
[0016]X(t+1)＝X
P
(t)
‑
A
·
d
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(2)
[0017]式中：d为灰狼和猎物之间的距离；C、A为系数向量；X
P
(t)为第t轮迭代中的猎物位置；X(t)为第t轮迭代中灰狼位置；X(t+1)为第t+1轮迭代更新完成后的新的灰狼位置，系数向量A、C由以下公式确定：
[0018]A＝2
·
α
·
r1‑
α
[0019]C＝2
·
r2[0020]式中：r1和，2为[0，1]的随机向量；α为收敛因子，随着迭代次数t从2～0线性递减。
[0021]步骤3
‑
4：利用差分算法对狼群进行变异和交叉更新，获得新的子代狼群；，其中群体变异操作如下所示：
[0022][0023]式中：V
i
(τ)表示α狼与经过缩放因子M调整的β狼与δ狼之间差分向量进行叠加后的变异个体狼的位置；M为缩放因子；r1≠r2≠r3≠i并且代表第几个个体，即：α、β、δ三个不同个体狼；则分别表示α、β、δ狼的位置；τ＝τ1，τ2，...，τ
max
表示迭代的次数。
[0024]其中：群体交叉操作如下所示：
[0025][0026]式中：为目标个体与变异矢量产生的中间个体；CR为交叉概率因子；rand(1，d)为[0，1]之间的随机整数；d为样本维数。
[0027]步骤3
‑
5：通过确定位置权重ω1、ω2、ω3，选出最优的父代种群，并且根据系数向量公式更新A、C，位置权重ω1、ω2、ω3由下式确定：
[0028][0029][0030][0031]6：不断地对种群进行迭代更新，直到满足停止条件，此时获得的父代种群中狼的最优位置的取值为最优的参数C、σ。
[0032]建立BP神经网络，通过将不同结果的BP神经网络进行对比，得出最优模型；
[0033]步骤5：将灰狼算法提取到的重要信息作为BP神经网络的输入，通过吸合时间和超程时间作为输入量和输出量，建立电磁继电器的寿命预测模型。
[0034]步骤6：通过计算均方根误差，将实际值与测试值进行对比，清晰地表示预测精度。
[0035]本专利技术的有益效果是：本专利技术改进了灰狼算法，基于现有GWO算法只能在一定程度上缓解陷入局部极值的问题，引入了差分进化算法，采用差分算法对原始灰狼算法中的狼群的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于改进灰狼算法优化的继电器寿命预测方法，其特征在于：所述继电器寿命预测方法包括如下步骤：步骤1：对电磁继电器进行失效退化试验，获取建立训练样本所需的材料性能参数；步骤2：将需要优化的初始权值和初始阈值获得的父代种群中狼位置的取值进行初始化；步骤3：采用灰狼算法优化，不断地对父代种群进行迭代更新，直到满足停止条件，此时获得的代种群中狼最优位置的取值即为最优的参数C、σ；步骤4：建立BP神经网络，通过将不同结果的BP神经网络进行对比，得出最优模型；步骤5：将灰狼算法提取到的重要信息作为BP神经网络的输入，通过吸合时间和超程时间作为输入量和输出量，建立电磁继电器的寿命预测模型；步骤6：通过计算均方根误差，将实际值与测试值进行对比，清晰地表示预测精度。2.根据权利要求1所述基于改进灰狼算法优化的继电器寿命预测方法，其特征在于：所述步骤3中灰狼算法优化的具体过程为：步骤3
‑
1：初始化模型训练参数和初始化种群，其中优化参数为C和α，且这个两个参数构成了每个狼体X；步骤3
‑
2：计算每个个体的适应度值，并且将每个个体按照适应度值从小到大的顺序进行排序，选取前三的个体X
α
、X
β
、X
δ
作为上层狼；步骤3
‑
3：更新父代种群狼的位置，狼群种群捕食过程中的个体位置更新公式为：d＝|C
·
X
P
(t)
‑
X(t)|
ꢀꢀꢀꢀꢀꢀꢀ
(1)X(t+1)＝X
P
(t)
‑
A
·
d
ꢀꢀꢀꢀꢀꢀꢀ
(2)式中：d为灰狼和猎物之间的距离；C、A为系数向量；X
P
(t)为第t轮迭代中的猎物位置；X(t)为第t轮迭代中灰狼位置；X(t+1)为第t+1轮迭代更新完成后的新的灰狼位置；步骤3...

【专利技术属性】
技术研发人员：王召斌，李久鑫，尚尚，朱佳淼，陈康宁，乔青云，李朕，刘百鑫，
申请(专利权)人：江苏科技大学，
类型：发明
国别省市：