科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对变压器故障诊断精度低的问题，文中提出一种基于改进黏菌优化算法(Improved Slime Mould Algorithm)优化贝叶斯网络(Bayesian Network)的变压器故障诊断方法。通过爬山算法对定向的最大支撑树搜索得到贝叶斯网络初始结构即初始种群，在改进黏菌优化算法中引入反向学习策略，增加种群多样性。添加正弦-余弦算法(Sine Cosine Algorithm)，更新解的位置避免种群陷入局部最优。根据改良的无编码比值法选取变压器故障状态的特征，利用改进黏菌优化算法优化贝叶斯网络结构，提高基于贝叶斯网络的变压器故障诊断的准确率，并且利用不同种类的测试函数验证改进黏菌优化算法具有收敛速度快、收敛精度高的优良性能。仿真结果表明，ISMA-BN诊断模型的训练集和测试集准确率分别高达98.2%和97.14%，相较于SMA-BN和BN诊断模型具有一定的研究价值。
- 出版日期2023
- 单位自动化学院; 河南理工大学
