基于改进人工兔群优化算法的水力机组振动状态识别方法技术

本发明专利技术属于一种水力机组振动状态信号识别技术领域的方法，涉及基于改进人工兔群优化算法的水力机组振动状态识别方法。为了提高水力机组振动状态识别的准确性，采用VMD方法对水力机组不同振动信号进行分解，提取信号的多维时域特征向量。利用IARO算法对SVM多分类器的参数进行优化，将多维时域特征向量输入IARO‑SVM模型以实现振动状态信号的分类识别，并与ARO‑SVM模型、ASO‑SVM模型、PSO‑SVM模型和WOA‑SVM模型进行对比。对比结果表明，IARO‑SVM模型的识别率更高。

【技术实现步骤摘要】

本专利技术涉及一种水力机组振动状态信号识别的方法，具体是支持向量机和变分模态分解的改进人工兔群优化算法的方法。

技术介绍

1、随着新能源产业的不断发展，水电作为一种可再生的清洁能源越来越受到重视。水力机组作为水力发电的核心设备，其运行状态关系到发电效率、经济效益以及生产安全，而振动是影响水力机组稳定运行的重要因素。全面、有效、准确地对振动状态进行分类识别是水力机组运行状态监测的前提，提高水力机组振动状态的识别精度，对判断水力机组的稳定运行是十分必要的。

2、由于水力机组受到机械、水力和电气因素的共同作用，其振动信号具有明显的非平稳性和非线性特点。对于水力机组振动状态的识别，国内外学者在处理和提取振动状态信号的特征向量方面进行了大量的研究。例如，采用经验模态分解(emd)、集合经验模态分解(eemd)和变分模态分解(vmd)等分解方法对颤振频带进行分解识别，利用变分模态分解(vmd)对信号进行预处理，以及应用蚱蜢优化算法(goa)的参数自适应vmd方法等。

3、同时，为了提高信号特征向量的识别精度，许多学者将优化算法与信号特征向量识别本文档来自技高网...

【技术保护点】

1.一种基于自适应调整权重的人工兔群优化算法(IARO)，其特征在于，利用动态惯性权重，在算法迭代初期，因种群个体比较分散，可以赋予较大的权重值，加快算法的全局搜索能力；在迭代后期，算法可以根据当前种群中个体的分布情况，自适应地改变权值的大小，使其在最优解周围精细搜索、加快收敛速度，具体公式如下：

2.根据权利要求1所述的基于自适应调整权重的人工兔群优化算法(IARO)，其特征在于，用IARO算法优化支持向量机(SVM)多分类器的惩罚参数c和核函数参数g，构建基于自适应调整权重的人工兔群优化算法优化支持向量机多分类器(IARO-SVM)的分类识别模型，用于识别水力机组的振动状...

【技术特征摘要】

1.一种基于自适应调整权重的人工兔群优化算法(iaro)，其特征在于，利用动态惯性权重，在算法迭代初期，因种群个体比较分散，可以赋予较大的权重值，加快算法的全局搜索能力；在迭代后期，算法可以根据当前种群中个体的分布情况，自适应地改变权值的大小，使其在最优解周围精细搜索、加快收敛速度，具体公式如下：

2.根据...

【专利技术属性】
技术研发人员：曹庆皎，王泽阳，刘伟，
申请(专利权)人：河北工程大学，
类型：发明
国别省市：