典型文献
基于精英反策略麻雀搜索优化随机森林的变压器故障诊断
文献摘要：
为提高变压器故障诊断精度,提出一种基于精英反策略麻雀搜索算法(JYBack-SSA)优化随机森林(RF)的变压器故障诊断方法.通过精英反向学习对传统麻雀算法(SSA)进行改进,并将JYBack-SSA、SSA和灰狼算法(GWO)进行性能测试,JYBack-SSA有效提高了搜索能力和收敛速度.最后,用JYBack-SSA优化RF参数.为验证该方法的工程适用性,收集了390组变压器油中溶解气体故障样本,开发并测试了 JYBack-SSA-RF模型,并与JYBack-SSA-SVM、JYBack-SSA-XGBoost、BSA-SVM、GWO-SVM等故障诊断方法进行比较.结果表明,该方法具有较强的复杂故障学习能力,在准确性和鲁棒性方面也更有优势.
文献关键词：
故障诊断;随机森林;麻雀搜索算法;精英反向学习;油中溶解气体
中图分类号：
作者姓名：
曹伟嘉;杨留方;徐天奇;毛玉明;谢宗效
作者机构：
云南民族大学电气信息工程学院 昆明650504
文献出处：
引用格式：
[1]曹伟嘉;杨留方;徐天奇;毛玉明;谢宗效-.基于精英反策略麻雀搜索优化随机森林的变压器故障诊断)[J].国外电子测量技术,2022(02):138-143
A类：
JYBack
B类：
搜索优化,变压器故障诊断,故障诊断精度,麻雀搜索算法,SSA,RF,故障诊断方法,精英反向学习,麻雀算法,灰狼算法,GWO,搜索能力,收敛速度,工程适用性,变压器油,油中溶解气体,XGBoost,BSA,复杂故障
AB值：
0.196149
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
