典型文献
多策略改进麻雀算法与BiLSTM的变压器故障诊断研究
文献摘要：
针对变压器故障诊断精度低的问题,提出了一种多策略改进麻雀算法(MISSA)与双向长短时记忆网络(BiLSTM)的变压器故障诊断模型.基于油中溶解气体分析(DGA)技术,结合无编码比值方法提取变压器9维故障特征作为模型输入进行网络训练,输出层采用Softmax函数得到故障诊断类型;采用Logistic混沌映射、均匀分布的动态自适应权重以及动态拉普拉斯算子来对麻雀搜索算法(SSA)进行改进;在初始解集内,利用MISSA对目标超参数进行寻优,使变压器故障诊断精度最优,并结合核主成分分析(KPCA)对故障特征指标降维,加快模型收敛速度.结果表明,提出的模型诊断精度为94％与PSO-BiLSTM、GWO-BiLSTM和SSA-BiLSTM故障诊断模型相比,分别提高了 11.33％、8.67％、6％,验证了本文方法能够有效地提高变压器的故障诊断性能.
文献关键词：
变压器;油中溶解气体;麻雀算法;深度学习;核主成分分析
中图分类号：
作者姓名：
王雨虹;王志中;付华;王淑月;王留洋
作者机构：
辽宁工程技术大学电气与控制工程学院 辽宁 125105
文献出处：
引用格式：
[1]王雨虹;王志中;付华;王淑月;王留洋-.多策略改进麻雀算法与BiLSTM的变压器故障诊断研究)[J].仪器仪表学报,2022(03):87-97
A类：
MISSA
B类：
多策略,改进麻雀算法,BiLSTM,变压器故障诊断,诊断研究,故障诊断精度,双向长短时记忆网络,故障诊断模型,油中溶解气体分析,DGA,比值方法,故障特征,模型输入,网络训练,出层,Softmax,诊断类型,混沌映射,均匀分布,动态自适应权重,拉普拉斯算子,麻雀搜索算法,初始解,解集,超参数,核主成分分析,KPCA,特征指标降维,收敛速度,PSO,GWO,诊断性
AB值：
0.269853
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。
