谢佩军¹，高婷婷¹，叶宏武^1,2

1. 浙江纺织服装职业技术学院机电与轨道交通学院,宁波 315211; 2. 中国科学院宁波材料技术与工程研究所, 宁波 315201

出版日期:2021-07-25发布日期:2021-10-14

Marine Transformer Fault Diagnosis Based on Quantum-Behaved ParticleSwarm Optimization and Kernel Extreme Learning Machine

XIE Peijun¹ ,GAO Tingting¹ ,YE Hongwu^1,2

1. School of Mechatronics and Rail Transit, Zhejiang Fashion Institute of Technology, Ningbo315211; 2. Ningbo Institute of Materials Technology and Engineering, Chinese Academy of Sciences,Ningbo 315201

Online:2021-07-25Published:2021-10-14







摘要
图/表
参考文献
相关文章
编辑推荐
-->Metrics
本文评论

船舶变压器是船舶电力系统的关键部件,变压器故障易导致电力系统异常甚至引发船体及生命安全事故.针对基本智能算法故障诊断模型的局限性,文章采用寻优能力强搜索效率高的QPSO优化KELM建立船舶变压器故障诊断模型.采用UCI数据集对SVM、ELM、KLEM、PSO-KELM和QPSO-KELM进行对比实验,结果表明QPSO-KELM具有更好的分类性能和计算效率.最后,通过船舶变压器真实故障数据集对QPSO-KELM进行测试分析,测试集和训练集的平均正确率分别达92.15$\%$和97.65$\%$,标准差分别为3.75$\%$和1.42$\%$,充分证明了QPSO-KELM具有优秀的诊断精度和算法稳定性,对各类船舶具有一定的实际应用价值.
分享此文:

()

No related articles found!

-->

PDF全文下载地址:

http://sysmath.com/jweb_xtkxysx/CN/article/downloadArticleFile.do?attachType=PDF&id=14249