[发明专利]基于混沌云自适应萤火虫算法的模拟电路故障诊断方法

权利要求书

1.一种基于混沌云自适应萤火虫算法的模拟电路故障诊断方法，其特征在于，包括被测模拟电路故障特征提取；分类器的构建及故障诊断；

所述被测模拟电路故障特征提取包括数据预处理和不变性压缩；其中，数据预处理用于对模拟电路原始信息进行去噪和滤波，不变性压缩用于对预处理特征进行降维；

所述分类器的构建包括云模型对萤火虫算法的改进和分类器参数的优化；其中，萤火虫算法的改进用于提升算法的寻优能力和收敛精度；分类器参数优化是依据云模型改进的萤火虫算法优化分类器的结构参数，并得到全局最优的分类器参数值；

所述故障诊断包括故障集对分类器的训练和测试，通过对分类器的训练获取最优的分类器模型，进而使用测试集对最优分类器模型进行测试；

所述分类器的构建包括云模型对萤火虫算法的改进和分类器参数的优化，其主要包含以下步骤：

步骤1、混沌映射

使用立方映射产生初始种群序列，立方映射的表达式如式(6)所示：

式(6)产生混沌序列后，用公式(7)进行载波操作，将混沌序列空间映射到优化解空间，

u_id＝(Ub-Lb)*x(n+1)+Lb (7)

步骤2、云自适应进化调整策略

设为萤火虫的平均适应度函数值，f_i为萤火虫第m次迭代的适应度值，根据f_avg先将萤火虫分为两部分，即大于f_avg的f_avg'和小于f_avg的f_avg”，其中f_avg'和f_avg”为适应度f_i的均值，然后依据f_avg'和f_avg”将种群分为三个区间，具体流程如下：

(1)若f_i＜f′_avg，此时萤火虫离最优值很近，需加快收敛速度，故w取最小值w_min＝0.4即可；

(2)若f_i＞f′_avg，此时萤火虫离最优值较远，因此需要较小的权值加快搜索速度，故w取最大值w_max＝0.9；

(3)若f_i∈[f′_avg,f″_avg]，则可认为此部分为普通萤火虫所属空间，由于其在较优值和较差值之间，故此，用云模型惯性权重进行调节，惯性权重w_i的生成公式如式(8)所示：

式中，c₁,c₂为控制常量，由于故w_i取值范围为[0.4,0.9]；w_i与f_i成正比例关系，因此较优的萤火虫取最小的权重w_i值；

步骤3、种群变异

首先，随机取一数值m和固定阈值P_m，当m＜P_m时，对全部萤火虫位置利用正向云发生器进行变异操作，变异过程中，设gbest为全局最优值，则有Ex＝gbest，En＝2gbest，He＝En/10；

步骤4、利用步骤1-步骤3改进的萤火虫算法优化LSSVM(Least Squares SupportVeotor Maohine，最小二乘支持向量机)的结构参数；

步骤5、依据步骤4输出最优的参数值，然后完成分类器模型的构建；

步骤4中，针对CCAFA(Chaos cloud model adaptive firefly algorithm，混沌云自适应萤火虫算法，简称CCAFA)采用的流程进行LSSVM结构参数寻优处理，包括如下步骤：

1)种群参数初始化：包括种群的数目，最大进化次数，约束范围；

2)利用式(6)混沌序列对种群进行混沌序列初始化；

3)计算适应度及其平均值：计算萤火虫的适应度值f_i和平均适应度值f_avg；

4)根据云自适应惯性权重调整策略计算惯性权重：根据平均适应度函数值将种群划分为三个区间，若f_i＜f′_avg，权重w_i取最小值0.4；若f_i＞f′_avg，w_i取最大值0.9；若f_i∈[f′_avg,f″_avg]，则依据式(8)进行取值；

5)更新萤火虫的位置：根据式(4)x_im(t+1)＝x_im(t)+φ(x_jm(t)-x_im(t))+αε_i更新萤火虫的位置，其中：x_im(t)为第i个萤火虫在t时刻移动的位置，α为[0,1]上的控制步长因子，ε_i为[0,1]上的随机因子；

6)randP_m？判断是否满足种群变异条件，若满足则对萤火虫位置进行变异，若不满足则返回步骤2)继续执行；

7)采用云模型对种群位置进行变异操作：若步骤6)满足条件，则采用云模型数字特征对种群位置进行变异；

8)用式(6)产生的混沌序列对种群最优位置进行优化；

9)是否达到迭代次数：判断是否达到终止条件，若满足条件则输出最终结果，若不满足则返回步骤2)继续执行。