| 基于最大-最小蚂蚁系统优化ELM的电解槽故障诊断 |
| |
| 引用本文： | 孙伟,李停,张明伟. 基于最大-最小蚂蚁系统优化ELM的电解槽故障诊断[J]. 应用声学, 2015, 23(10): 26-26 |
| |
| 作者姓名： | 孙伟 李停 张明伟 |
| |
| 作者单位： | 中国矿业大学 信息与电气工程学院,中国矿业大学 信息与电气工程学院,中国矿业大学 信息与电气工程学院 |
| |
| 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。
|
| 关 键 词： | 铝电解槽；故障诊断；极限学习机；最大-最小蚂蚁系统 |
| 收稿时间： | 2015-04-27 |
| 修稿时间： | 2015-05-25 |
Aluminum Reduction Cell Fault Diagnosis Based on Max-Min Ant System to Optimize the ELM |
| |
| Abstract: | |
| |
| Keywords: | |
|
| 点击此处可从《应用声学》浏览原始摘要信息 |
|
点击此处可从《应用声学》下载全文 |
|
