基于IOOA优化SVM的电力电子软故障诊断  

作　　者：王浩[1,2] 

机构地区：[1]安徽理工大学电气与信息工程学院,安徽淮南232001 [2]安徽理工大学环境友好材料与职业健康研究院,安徽芜湖241003

出　　处：《信息记录材料》2024年第2期220-222,共3页Information Recording Materials

摘　　要：针对电力电子电路的软故障特征区分度差、不易诊断等一系列问题,本文提出了一种基于改进鱼鹰优化算法(improved osprey optimization algorithm, IOOA)支持向量机(support vector machine, SVM)的故障诊断方法。该方法采用变分模态分解(variational mode decomposition, VMD)提取故障信号的时域与频域特征,利用IOOA优化支持向量机的惩罚参数和核参数,建立IOOA-SVM故障诊断模型。在基准函数测试中,IOOA的寻优精度和收敛速度均有提升,并且IOOA-SVM在电力电子软故障诊断中精度达到96.88%。

关 键 词：故障诊断 鱼鹰优化算法 支持向量机 变分模态分解 电力电子软故障 

分 类 号：TP301[自动化与计算机技术—计算机系统结构]