[发明专利]一种分段式直流电弧噪声模型、参数优化及辨识方法

权利要求书

1.一种分段式直流电弧噪声模型参数辨识方法，其特征在于包括以下步骤：

步骤1)：采集直流电弧电流信号并进行傅里叶分解，得到直流电弧电流的频谱分布特性；

步骤2)：根据直流电弧电流的频谱分布特性建立分段式直流电弧噪声模型；所述分段式直流电弧噪声模型表示如下：

式中，f为频率值，f₀为拐点频率，L为频谱能量幅值的控制参数，c为频谱能量下降速率的控制参数，S(f)为模型输出的频谱分布，S_w(f)为模型输入信号的频谱分布；

步骤3)：确定目标函数及所需辨识的参数；

步骤4)：利用优化算法对所需辨识的参数进行优化。

2.如权利要求1所述的分段式直流电弧噪声模型参数辨识方法，其特征在于步骤4)采用混沌量子布谷鸟搜索优化算法进行参数寻优，所述混沌量子布谷鸟搜索优化算法是将混沌机制引入量子布谷鸟搜索算法，利用混沌映射初始化量子布谷鸟搜索算法中种群个体位置，利用混沌映射生成量子布谷鸟搜索算法中随机参数p，并在种群最优位置的更新陷入停滞时，利用邻域混沌局部搜索对种群最优个体进行变异操作。

3.如权利要求2所述的分段式直流电弧噪声模型参数辨识方法，其特征在于步骤4)利用Levy飞行以及量子机制更新种群中个体位置，如下所示

其中，J＝δln(1/η)，ε＝δexp(η)，x_g表示种群中最优个体位置，表示上次迭代时刻种群中个体平均位置，为上次迭代时刻种群中第i个个体位置，为当前迭代时刻种群中第i个个体位置，η和p为介于(0，1)之间的随机参数；

Levy飞行如下所示：

其中，μ和v服从正态分布，α和δ为量子更新机制控制参数，β为Levy分布参数，Γ(·)为Gamma方程。

4.根据权利要求2所述的一种分段式直流电弧噪声模型参数辨识方法，其特征在于步骤4)中利用如下混沌映射公式初始化种群个体位置和生成随机参数p：

其中，z_k为混沌序列当前迭代时刻的值，z_k+1为下一迭代时刻的值，初始值z₁为(0，1)间的随机数。

5.根据权利要求2所述的一种分段式直流电弧噪声模型参数辨识方法，其特征在于步骤4)中，当种群最优个体位置停滞更新，利用邻域混沌局部搜索对种群最优个体执行变异操作设定，如下所示

其中，x_g为种群中最优个体位置，x_n和x_m为种群中随机挑选的两个个体，m≠n，z表示利用Tent混沌序列生成的随机数；如果的适应度值优于x_g，则利用取代x_g，否则x_g保持不变。

6.根据权利要求1所述的一种分段式直流电弧噪声模型参数辨识方法，其特征在于所述步骤3)中的目标函数的表达式为均方根误差的形式：

其中，T为数据点的个数；将0～100KH的频带范围平均分为T份频带段，误差公式E(t)表示如下：

S′_t表示实际电流数据在频带段t中的功率和，S_t为分段式直流电弧噪声模型输出数据在频带段t中的功率和，numf为频带段t中的数据点个数。

7.如权利要求2所述的一种分段式直流电弧噪声模型参数辨识方法，其特征在于步骤4)具体包括如下步骤：

步骤4-1)：设置种群中个体数目、算法最大迭代次数、量子更新机制控制参数α和δ、Levy分布参数β，利用混沌映射初始化种群个体位置；

步骤4-2)：计算种群中个体的适应度值；

步骤4-3)：采用混沌映射生成随机参数p，利用Levy飞行以及量子机制更新种群中个体位置，如下所示

其中，J＝δln(1/η)，ε＝δexp(η)，x_g表示种群最优个体位置，表示上次迭代时刻种群中个体平均位置，为上次迭代时刻种群中第i个个体位置，为当前迭代时刻种群中第i个个体位置，η和p均为介于(0，1)之间的随机数；

Levy飞行如公式(2)所示：

其中，μ和ν服从正态分布，Γ(·)为Gamma方程；

步骤4-4)：若种群最优个体位置更新陷入停滞，则利用邻域混沌局部搜索对种群最优个体执行变异操作；

步骤4-5)：判断迭代次数是否大于所设置的最大迭代次数，若否，转向步骤4-6)，否则转向步骤4-7)；

步骤4-6)：迭代次数加1，转向步骤4-2)；

步骤4-7)：把种群最优个体位置作为分段式直流电弧噪声模型参数的辨识结果输出。