[发明专利]基于经验模态分解与蝴蝶算法的变压器声纹故障诊断方法

权利要求书

1.一种基于完全集合经验模态分解与蝴蝶算法的变压器声纹故障诊断方法，其特征是：包括以下步骤：

S1、运用CEEMDAN分解与谱减法滤除环境噪声：将含噪变压器声纹数据进行完全集合经验模态分解并运用谱减法滤除环境噪声，得到纯净的变压器声纹数据；

S2、提取联合特征并利用t-SNE进行降维：通过完全集合经验模态分解将除噪后的变压器声纹数据分解，得到若干个本征模态分量，提取各个本征模态分量的复合多尺度熵、模糊熵、峭度熵构造联合特征并利用t-SNE算法对联合特征进行降维；

S3、构建改进的PODSBOA-LSSVM故障诊断模型进行诊断：以所得联合特征的数据集为基础，运用改进的蝴蝶算法对最小二乘支持向量机进行参数优化，构造PODSBOA-LSSVM故障诊断模型，对未知变压器声纹数据进行诊断，输出诊断结果；步骤 S3的具体过程如下：

S301：把从变压器声纹数据所提取的联合特征的数据集分为训练集和测试集；

S302：改进的蝴蝶算法利用训练集对最小二乘支持向量机的惩罚因子c和径向基内积函数参数g进行优化，得到最优参数；

S303：对具有最优参数的最小二乘支持向量机进行训练，并利用测试集进行测试；

S304：根据训练测试结果建PODSBOA-LSSVM故障诊断模型，使用PODSBOA-LSSVM诊断模型对未知变压器声纹数据进行诊断，输出诊断结果；

其中，改进的蝴蝶算法的步骤如下：

步骤A1：对蝴蝶算法搜索参数进行初始化：设置蝴蝶种群数量为n，设置算法的最大迭代次数为N₁，种群边界条件[L_b, U_b]，寻优问题维度dim；

步骤A2：根据边界条件生成初始蝴蝶种群：在边界范围，采用随机数，生成n*dim 大小的初始蝴蝶种群，通过空间对称扩增初始种群规模到2n*dim；

步骤A3：适应度计算：根据适应度准则函数，计算扩增种群蝴蝶个体适应度；

步骤A4：种群恢复：通过精英保留策略选取n个适应度最佳的个体记为恢复种群，找到并记录当前恢复种群的最佳个体；

步骤A5：劣势种群更新：选择适应度最差的两只蝴蝶个体，对其进行交叉处理和变异操作；

步骤A6：算法参数动态更新：根据当前的迭代次数按照以下公式更新感官模态β、幂指数a、动态搜索切换概率p；并更新位置更新算子w₁、w₂；

随迭代进程更新的感官模态

随迭代进程更新的幂指数

随迭代进程更新的动态切换概率

式中：t 为当前迭代次数；N₁为最大迭代次数；

步骤A7：迭代寻优：若动态搜索切换概率prand，rand为0~1之间的随机数，对个体的位置进行全局更新；若动态搜索切换概率prand，对个体的位置进行局部更新；更新全局最优；

步骤A8：越界检查：检查更新后的个体是否超出边界，对超出边界的新个体的位置进行界限修正；

步骤A9：判断当前是否满足算法的迭代结束条件：不满足结束条件，算法转步骤A5 步骤继续执行；反之，输出当前的最优结果，算法结束。