典型文献
基于SSA-AdaBoost-SVM的变压器故障诊断
文献摘要：
针对支持向量机(SVM)诊断变压器故障的效果不稳定的问题,利用AdaBoost集成算法对其强化,得到的AdaBoost-SVM模型诊断结果比较稳定,但准确度依然有待提高.因此,提出利用麻雀搜索算法(SSA)对AdaBoost-SVM模型进行优化,指定其弱分类器权重口αt、SVM惩罚因子c和核参数g的寻优范围,使用SSA对三种参数在指定的寻优范围内寻优,提高模型的准确率.将提出的SSA-AdaBoost-SVM变压器故障诊断模型与PSO-SVM、SSA-SVM、AdaBoost-SVM、AdaBoost-SSA-SVM和PSO-AdaBoost-SVM五种模型对比,提出的模型具有更高的准确率和稳定性,平均准确率可达91.58％.实验结果表明,提出的SSA-AdaBoost-SVM变压器故障诊断模型具有更好的表现.
文献关键词：
变压器故障诊断;支持向量机;AdaBoost集成算法;麻雀搜索算法;弱分类器权重
中图分类号：
作者姓名：
单亚峰;段金凤;付华;赵俊程
作者机构：
辽宁工程技术大学电气与控制工程学院,辽宁省葫芦岛125105
文献出处：
引用格式：
[1]单亚峰;段金凤;付华;赵俊程-.基于SSA-AdaBoost-SVM的变压器故障诊断)[J].控制工程,2022(02):280-286
A类：
B类：
SSA,AdaBoost,变压器故障诊断,集成算法,诊断结果,结果比较,比较稳定,麻雀搜索算法,弱分类器权重,惩罚因子,核参数,故障诊断模型,PSO,模型对比,平均准确率
AB值：
0.165156
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。
