混沌免疫中文稿 baidu.doc

混沌免疫进化聚类算法在变压器故障诊断中的应用研究
摘要:
本文在分析了模糊C 均值(Fuzzy C-Means,FCM)算法应用于变压器故障诊断的优越性和存在的不足的基础上,结合混沌免疫进化算法,提出一种新的变压器故障诊断方法—基于混沌免疫进化的聚类算法。理论分析和仿真结果表明,该算法不仅有效的克服了传统的FCM聚类算法易陷入局部最小值的缺点,又能有效的抑制免疫进化过程中产生的“退化“现象。
关键词:模糊C 均值;免疫进化;混沌优化;故障诊断
1 引言
电力变压器是电力系统中的最关键的设备之一,一旦其发生故障,必然会带来巨大的经济损失。因此电力变压器故障诊断一直都受相关部门的重视。目前在这方面的研究很多,由于粗糙集表现出了强大的不一致信息处理能力,而模糊集不需要任何先验知识,近年来提出了多种基于粗糙集、模糊集理论或两者的结合应用于变压器故障诊断中,并取得了较好的效果。文献[11]采用核可能性聚类算法,并对样本中的噪音具有较强的免疫能力,但算法的结果又受到初始状态的约束。文献[8-10]采用的模糊聚类分析中的模糊C 均值(Fuzzy C-Means,FCM)算法,不需要任何先验知识,只考虑故障在特征气体空间上的聚集效应,自动将故障进行分类。但FCM 算法存在受样本的分布和初始参数影响大,容易陷入局部最小的缺点。文献[h10-h11]将免疫进化算法与聚类算法相结合,改善聚类算法易陷入局部极小值的缺点提高了收敛速度,但是免疫算法又存在容易受到随机初始解群的影响,使得算法易出现未成熟收敛,算法在小区间内搜索到满意解的效率还不能令人满意。文献【h3,h9】将混沌优化与免疫进化结合在一起,改善了免疫进化收敛性差的问题,但没有进行实际应用。文献[h12]把混沌优化方法与免疫进化算法结合到一起,利用混沌搜索的特点对记忆库群体进行微小扰动,并逐步调整扰动幅度,改善了免疫进化算法的收敛性能,提高了搜索效率,但是该算法对于交叉与变异选择操作率的选择上,没有采用自适应的参数,当参数选择不当时,不能迅速搜索到全局最优值。文献[21]提出了基于混沌免疫进化算法的模糊C-均值聚类算法,有效地避免了通常聚类算法中易出现的早熟现象,但没有对抗体群进行克隆抑制,不能抑制抗体群中浓度过高的部分抗体,不能保证种群的多样性。[h8]提出一种动态多目标免疫优化算法处理动态多目标优化问题,算法在动态跟踪Pareto面的速度和执行效果上优于其他算法,但是应用面较窄。[h7]研究了混沌免疫进化算法在汽车主动悬架控制策略中的应用,提高了汽车的平顺性和安全性,有效的改善了控制效果。
模糊C 均值(Fuzzy C-Means,FCM)算法存在着初值敏感、易陷入局部最小极值等缺点,而免疫进化算法虽然可以抑制优化过程中产生的“退化”现象,以跳出局部最优值的约束,快速把问题的最优解限制在一个较小的空间范围内,但在小区间内搜索到满意解的效果并不令人满意,而混沌优化利用自身具有的随机性、规律性和便利性的特点进行搜索求解具有,容易跳出局部最优解,搜索速度快和全局渐近收敛,但是在全局搜索空间上效果不显著。本文在研究了上述三种算法的优缺点,将其结合在一起,提出一种新的变压器故障诊断方法—基于混沌免疫进化的聚类算法。理论分析和仿真结果表明,该算法不仅有效的克服了传统的FCM聚类算法易陷入局部最小值的缺点,又能有