[发明专利]一种基于ABC优化神经网络的接触网故障类型识别方法

权利要求书

1.一种基于ABC优化神经网络的接触网故障类型识别方法，其特征在于，具体包括以下步骤：

Step1输入接触网状态检测特征数据，对数据进行预处理并生成训练样本集与测试样本集；

Step2选择训练样本集，建立神经网络故障类别识别模型；

Step3使用训练样本集对神经网络进行训练，在训练过程中使用人工蜂群算法(ABC)对神经网络的权值与阈值进行优化、调整；

Step4在训练好的神经网络中输入测试样本集，得出接触网故障类型识别的结果。

2.如权利要求1所述的生成训练样本集与测试样本集，其特征在于，所述Step1的具体步骤为：

训练样本集Train_n包含n个输入样本P_n与n个输出样本T_n，其中输入样本是经过采集得来的接触网检测特征数据，可记作其中m为接触网检测特征数据的个数同时也是神经网络故障类别识别模型的输入个数；输出样本集是采集得来的接触网故障类型数据，可记作其中l的取值由模型输出节点的个数决定；n为样本集的第n个样本；选取测试样本集Test_n的方式与选取训练样本集Train_n的方式相同。

3.如权利要求1所述的建立神经网络故障类别识别模型，其特征在于，所述的Step2包括以下步骤：

神经网络故障类别识别模型的输入层节点数inputnum设为3个，隐层节点数hiddennum设为50个，输出层节点数量outputnum设为1个；选择隐层与输出层的传输函数分别为tansig函数与pureline函数；

神经网络需要优化的变量个数为：nvar＝inputnum_×hiddennum+hiddennum_×outputnum+hiddennum+outputnum,即nvar＝3_×50+50_×1+50+1。

4.根据权利要求1所述的使用人工蜂群算法(ABC)对神经网络的权值与阈值进行优化、调整，其特征在于，所述Step3的具体步骤为：

Step31初始化控制参数；人工蜂群算法(ABC)蜂群总数SN＝40，最大迭代次数MCN＝1000，控制参数limit＝20,引领蜂与跟随蜂数量均为FN＝20；

Step32初始化蜜蜂种群，在搜索空间内随机生成初始解x_i(i＝1,2,···,FN)并计算每个初始解的适应度值fit_xi；

Step33进入主循环，由式v_ij＝x_ij+φ_ij(x_ij-x_kj)计算出新解v_ij在计算完适应度值fit_vi之后由贪婪选择策略保留最优的解，其中(i,k＝1,2,···,FN；j＝1,2,···,D)且k≠i，φ_ij为[-1，1]之间的随机数；进行贪婪选择策略的公式为：

Step34计算每个解的选择概率p，如prand，则由v_ij＝x_ij+φ_ij(x_ij-x_kj)产生一个新解并计算适应度值fit_i，以贪婪选择策略进行比较选取优解；其中rand为[-1，1]上服从均匀分布的随机数，计算选择概率p的公式为：

Step35若一个解经过limit次循环后未更新，则由式x_ij＝x_minj+rand(0,1)(x_maxj-x_minj)产生一个新解代替并返回Step33，否则进入Step36；其中x_minj是当前记录解的最小值，x_maxj是当前记录解的最大值，rand(0，1)表示在(0，1)上服从均匀分布的随机数；

Step36记忆迄今为止最好的蜜源，即记录当前最优解；

Step37满足算法的终止条件(达到最大迭代次数MCN)则转至Step38，否则返回Step33，继续寻找最优蜜源；

Step38寻找最优解结束，输出最优蜜源x_i与全局最优解fit_xi，全局最优解fit_xi即为神经网络最优权值与阈值。