基于IPSO-SVM的電纜故障識別.pdf

1、近年來，隨著我國現(xiàn)代化建設(shè)的發(fā)展和電力工業(yè)科學(xué)技術(shù)的進(jìn)步，電力電纜在電力系統(tǒng)中的使用越來越廣泛。隨著長時間的使用，電力電纜就會發(fā)生各種各樣的故障。因此，如何準(zhǔn)確快速地監(jiān)測和識別電纜故障，對于研究者是個非常重要艱巨的任務(wù)。
　　為解決故障類型識別模型的參數(shù)優(yōu)化問題，本文在粒子群算法的基礎(chǔ)上，提出了非線性慣性粒子群算法。該算法將帶有收斂因子的粒子群與帶有慣性因子的粒子群相結(jié)合，并采用了非線性慣性因子，較好的改善了傳統(tǒng)粒子群的收斂速度。

2、
　　為克服常用智能方法需要大量樣本來構(gòu)造模型的缺點(diǎn)，本文采用以結(jié)構(gòu)風(fēng)險最小化為準(zhǔn)則的支持向量機(jī)作為故障類型識別的原始模型。而支持向量機(jī)的懲罰因子和核寬度參數(shù)的大小影響其模型的分類結(jié)果和系統(tǒng)的泛化能力。針對這個問題，本文建立了優(yōu)化的核參數(shù)和優(yōu)化的懲罰因子的支持向量機(jī)模型。
　　為優(yōu)化支持向量機(jī)參數(shù)，本文用非線性慣性粒子群算法對懲罰因子和核寬度參數(shù)進(jìn)行優(yōu)化，在此基礎(chǔ)上建立了故障類型識別的支持向量機(jī)模型。
　　最后，將所提