典型文献
基于KPCA-ITSO-ELM-Adaboost的变压器故障诊断方法
文献摘要：
针对传统变压器故障诊断方法诊断精度低,单一智能诊断方法在实际模型中不能准确分类的问题,建立了一种改进金枪鱼算法(ITSO)优化加权极限学习机(ELM)的变压器故障诊断模型.首先,使用核主成分分析算法(KPCA)对变压器故障数据进行降维处理,去除数据中的无用信息,提高模型的识别效率,然后,利用ITS0算法对ELM进行优化,建立ITSO-ELM变压器故障诊断模型,最后,使用Adaboost算法对ITSO-ELM模型进行增强.仿真实例表明,所提方法相比于与ELM-Adaboost、TSO-ELM、ITSO-ELM模型分别提高了 11.6％、7.2％、4％,验证了所提模型的有效性.
文献关键词：
核主成分分析;金枪鱼算法;极限学习机;自适应增强算法;变压器;故障诊断
中图分类号：
作者姓名：
傅晓锦;杨成
作者机构：
上海电机学院机械学院 上海201306
文献出处：
引用格式：
[1]傅晓锦;杨成-.基于KPCA-ITSO-ELM-Adaboost的变压器故障诊断方法)[J].国外电子测量技术,2022(11):160-169
A类：
金枪鱼算法,ITS0
B类：
KPCA,ITSO,ELM,Adaboost,变压器故障诊断,故障诊断方法,智能诊断方法,优化加权,极限学习机,故障诊断模型,核主成分分析,故障数据,降维处理,除数,无用信息,自适应增强算法
AB值：
0.193191
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。
