基于最大-最小蚂蚁系统优化ELM的电解槽故障诊断

• 作者: 孙伟 张明伟 李停
• 来源期刊: 计算机测量与控制
• 关键词: 铝电解槽 故障诊断 极限学习机 最大-最小蚂蚁系统
• 年，卷（期）: 2015,（10）
• 所属期刊栏目: 自动化测试技术
• 页码范围: 3326-3329
• 页数: 4页
• 分类号: TP273
• 语种: 中文
• DOI: 10.16526/j.cnki.11-4762/tp.2015.10.023

摘要

针对铝电解槽故障特征种类繁多,难以快速准确的实现故障类型诊断,设计了一种基于最大-最小蚂蚁系统(MMAS)优化的极限学习机(ELM)故障诊断方法;介绍了电解槽常见的故障类型及其对槽电压的影响,对采集到的故障情况下的槽电压信号进行降噪处理,根据对降噪后故障信号的局域均值分解(LMD)结果得到故障特征;采用ELM算法辨识故障类型,针对ELM算法存在的参数问题,采用MMAS对ELM隐含层参数寻优;结果表明,MMAS优化的ELM既保证了较快的训练速度,同时获得了更高的故障测试正确率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	孙伟	中国矿业大学信息与电气工程学院	105	523	13.0	17.0
2	张明伟	中国矿业大学信息与电气工程学院	13	152	7.0	12.0
3	李停	中国矿业大学信息与电气工程学院	4	13	2.0	3.0