改进AFSA算法优化SVM的变压器故障诊断

摘要：

提出一种基于改进人工鱼群算法优化支持向量机(SVM)的变压器故障诊断方法.首先对基本人工鱼群算法进行改进,引入柯西变异优化觅食行为,并在算法的迭代过程中利用鱼群搜索到的信息和t分布变异的特点,对劣质个体鱼进行消亡与重生,提高鱼群算法的寻优效率和求解精度.然后,利用改进的人工鱼群算法优化SVM的核函数参数及惩罚系数,使SVM分类器获得最佳的分类精度.最后采用决策导向无环图(DDAG)方法建立变压器故障诊断SVM多分类决策模型.通过仿真实验将提出的方法与网格搜索法Grid-SVM、GA-SVM、PSO-SVM比较,所建模型具有更高的诊断正确率.

关键词：支持向量机(SVM)、参数优化、人工鱼群算法(AFSA)、变异、变压器故障诊断、决策模型

所属期刊栏目：53

分类号：TP312(计算技术、计算机技术)

资助基金：河南省科技厅科技攻关重点项目162102210276

在线出版日期：2017-09-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：173-179