[发明专利]基于改进GA-PSO-BP的船舶短路故障诊断方法

权利要求书

1.一种基于改进GA-PSO-BP的船舶短路故障诊断方法，其特征在于，包含步骤：

S1、采集模拟环境下船舶电力系统短路时的三相电压信号作为样本数据；对所述样本数据进行小波包分解，得到样本数据在多个频段下的滤波重构信号；选取能量值高的频段下的滤波重构信号，建立训练数据集和测试数据集；

S2、建立三层BP神经网络模型，设置所述BP神经网络模型的权值、阈值；

S3、设置粒子维度和粒子个数，建立表示BP神经网络模型的粒子群；初始化所述粒子群；设置最大迭代次数g_max，误差阈值ε，适应度函数f；随机初始化粒子的初始速度和初始位置；

S4、将粒子位置每个维度的值按顺序赋给所述BP神经网络模型的权值和阈值；将S1中所述训练数据集输入BP神经网络进行船舶短路故障诊断，得到诊断结果；通过所述适应度函数f对诊断结果计算误差值；当误差值大于所述误差阈值ε或迭代次数未达到所述最大迭代次数g_max，迭代次数加1并进入S5；否则，结束迭代，进入S7；

S5、更新粒子速度和粒子位置；具体包含：

v_ij(t+1)＝ω·v_ij(t)+c₁r₁(t)[p_ij(t)-x_ij(t)]+c₂r₂(t)[p_gj(t)-x_ij(t)]；

x_ij(t+1)＝x_ij(t)+v_ij(t+1)；

t表示第t代粒子，v_ij表示粒子速度，x_ij为粒子位置，i代表第i个粒子，j表示目标搜索空间为j维；r₁和r₂为0-1之间的随机数；p_ij为当前个体最优值，p_gj为当前全局最优值；

ω为惯性权重：

ω＝ω₀+ω₁·rand()+ω₂·exp(-k×(i/g_max)^u)；

ω₀、ω₁和ω₂为0-1之间随机数，k和u为常数；

c₁和c₂为学习因子：

c₁₀、c₁₁、c₁₁、c₁₁均为常数；

p_ij为当前个体最优值，p_gj为当前全局最优值；

p_gj(t)＝min{p_1j(t),p_2j(t),…,p_ij(t),…,p_d′j(t)}；

f为所述适应度评价函数，f(x_ij(t))为粒子x_ij的适应度值，d′为粒子总数；

S6、交叉变异粒子位置，更新粒子为下一代粒子；步骤S6具体包含：

S61、根据交叉概率p_c对粒子位置进行交叉；

b为0～1之间的随机数；x_kj、x_lj为要进行交叉的两个粒子位置，k、l分别表示第k、l个粒子，j表示目标搜索空间为j维；

所述交叉概率p_c通过下述方法计算：

其中，p_c1、p_c2为0～1之间的随机数；f_b为待交叉两个粒子的适应度值中的较大值，f_av表示当前粒子群的平均适应度值，f_max表示当前粒子群中最大的适应度值；

S62、根据变异概率p_m对粒子位置进行变异；

式中，x_max为x_ij的最大值，x_min为x_ij的最小值；f₁(g)＝r₂(1-g/g_max)，r₂为随机数，g为当前迭代数，r′为[0,1]之间的随机数；

所述变异概率p_m通过下述方法计算：

其中，p_m1、p_m1为0～1之间的随机数；f代表待变异粒子的适应度值；

重复步骤S4～S6；

S7、将粒子群的全局最优值作为最优粒子；将所述最优粒子的粒子位置每个维度的值按顺序赋予BP神经网络模型的所述权值及所述阈值，得到最终BP神经网络模型；

S8、将步骤S1中所述的测试数据集输入所述最终BP神经网络模型模型进行故障诊断，得到船舶短路故障诊断结果。