基于混沌万有引力搜索的SVM的电厂设备状态监测方法

摘要

一种基于混沌万有引力搜索的SVM的电厂设备状态监测方法。针对GSA(万有引力搜索算法)容易陷入局部最优，引入了混沌序列和遗传算法的交叉思想，发明出IGSA(混沌万有引力搜索算法)，IGSA在收敛速度和精度上优于GSA。然后建立基于IGSA的SVM模型，实验仿真验证了该模型具有更高的精度。将本发明模型用于火电厂的一次风机状态监测中，实时地对设备状态做出判断，能够使运维人员及早发现故障隐患，对电厂故障预警具有重大意义。

主权项

一种基于混沌万有引力搜索的SVM的电厂设备状态监测方法，其特征在于，包括以下步骤：(1)利用混沌序列初始化SVM参数(惩罚系数C、核参数σ)，形成初始种群，并随机初始化每个粒子的速度；(2)计算每个粒子的适应度值fit_i，将粒子分为三个等级A、B、C，分别进行处理，得到新种群；(3)计算新种群中的每个粒子的质量；(4)计算万有引力；(5)计算合力；(6)更新加速度、速度和位置的值；(7)返回到步骤2循环迭代，直到达到循环次数或要求精度为止，输出结果。