果蝇算法优化的BP神经网络在电磁继电器贮存寿命预测中的应用
|
摘要
针对传统BP神经网络在对继电器进行寿命预测时,由于初始权值、阈值具有随机性,常会遇见收敛速度过慢、陷入局部最优、稳定性差或者过学习、欠学习等问题,提出了通过果蝇优化算法与BP神经网络结合的预测方法来提高预测模型质量。利用果蝇算法寻求最优的初始权值、阈值,降低了模型误差。通过预测模型对电磁继电器贮存过程中接触电阻值的预测,间接预测了电磁继电器贮存寿命,并验证了模型的可行性。
When using traditional BP neural network to predict relay life,there often occur the problems of too slow convergence speed,local optimum,poor stability or over learning and less learning,because of the randomness of the initial weights and thresholds.To solve these problems,this paper proposed a prediction method combining drosophila optimization algorithm and BP neural network to improve the quality of prediction models.Using drosophila optimization algorithm to search for the optimal initial weights and thresholds to reduce model errors.By using the prediction model,the storage life of electromagnetic relay is predicted indirectly through the prediction of the contact resistance value in the storage process of electromagnetic relay,and the feasibility of the model was verified.
When using traditional BP neural network to predict relay life,there often occur the problems of too slow convergence speed,local optimum,poor stability or over learning and less learning,because of the randomness of the initial weights and thresholds.To solve these problems,this paper proposed a prediction method combining drosophila optimization algorithm and BP neural network to improve the quality of prediction models.Using drosophila optimization algorithm to search for the optimal initial weights and thresholds to reduce model errors.By using the prediction model,the storage life of electromagnetic relay is predicted indirectly through the prediction of the contact resistance value in the storage process of electromagnetic relay,and the feasibility of the model was verified.
引文
[1] 王召斌.航天电磁继电器贮存可靠性退化试验与评价方法的研究[D].哈尔滨:哈尔滨工业大学,2013.
[2] 王召斌,符赛,尚尚,等.弹用电磁继电器贮存退化试验及其寿命预测方法[J].北京航空航天大学学报,2016,42(12):2610-2619.
[3] 邵丹,李文华,王俊,等.一种基于多参数的密封式电磁继电器贮存寿命预测方法[J].电器与能效管理技术,2015(1):12-16.
[4] 王佳炜,王召斌,黄周霖.继电器寿命预测方法综述[J].电器与能效管理技术,2018(4):1-5,12.
[5] 李玲玲,张士暖,李志刚,等.基于粗糙集理论和生命初态信息的继电器寿命预测方法[J].电工技术学报,2016,31(18):46-53.
[6] 陈丽,王景芹,唐圣学.基于支持向量机回归的继电器触点接触电阻的长期预测[J].电器与能效管理技术,2014(12):14-19.
[7] 张菲菲,李志刚.基于BP神经网络的继电器剩余寿命预测[J].低压电器,2012(1):11-14.
[8] 李志刚,刘伯颖,李玲玲,等.基于小波包变换及RBF神经网络的继电器寿命预测[J].电工技术学报,2015,30(14):233-240.
[9] 王新普,周想凌,邢杰,等.一种基于改进灰色BP神经网络组合的光伏出力预测方法[J].电力系统保护与控制,2016,44(18):81-87.
[10] 苗建伟,王文军,李斌.低压继电器寿命的智能预测分析[J].电器与能效管理技术,2018(04):61-65.
[11] 符赛,王召斌,尚尚.支持向量机算法在电磁继电器贮存寿命预测中的应用[J].电器与能效管理技术,2017(16):11-15.
[12] 刘佳祺,刘德红,林甜甜.基于BP神经网络模型的股票价格研究[J].中国商论,2018(8):29-30.
[13] 王琪,乔红宇.基于GA-BP神经网络的船舶压载水微生物数量预测[J].江苏科技大学学报(自然科学版),2016,30(6):529-537.
[14] 吴炬卓,肖笛,牛海清.计算电缆导体暂态温度的粒子群优化的BP神经网络新方法[J].电器与能效管理技术,2018(03):14-19,24.
[15] 张树奎,鲁子爱.港口集装箱吞吐量的灰色神经网络预测模型研究[J].江苏科技大学学报(自然科学版),2014,28(3):216-219,224.
[16] 孙威,修晓青,肖海伟,等.基于MEA-BP神经网络的电池储能系统SOC状态评估[J].电器与能效管理技术,2018(01):51-54,83.
[17] PAN W T.A new evolutionary computation approach:Fruit fly optimization algrithm:2011 Conference of Digital Technology and Innovation Management[C].2011.
[18] PAN W T.A new fruit fly optimization algorithm:Talking the financial distress model as an example[J].Knowledge-Based Systems,2012,26(2):69-74.
[19] 吴小文,李擎.果蝇算法和5种群智能算法的寻优性能研究[J].火力与指挥控制,2013,38(4):17-20.
[20] 王召斌,翟国富,黄晓毅.电磁继电器贮存期接触电阻增长的动力学模型[J].电工技术学报,2012,27(5):205-211.
[2] 王召斌,符赛,尚尚,等.弹用电磁继电器贮存退化试验及其寿命预测方法[J].北京航空航天大学学报,2016,42(12):2610-2619.
[3] 邵丹,李文华,王俊,等.一种基于多参数的密封式电磁继电器贮存寿命预测方法[J].电器与能效管理技术,2015(1):12-16.
[4] 王佳炜,王召斌,黄周霖.继电器寿命预测方法综述[J].电器与能效管理技术,2018(4):1-5,12.
[5] 李玲玲,张士暖,李志刚,等.基于粗糙集理论和生命初态信息的继电器寿命预测方法[J].电工技术学报,2016,31(18):46-53.
[6] 陈丽,王景芹,唐圣学.基于支持向量机回归的继电器触点接触电阻的长期预测[J].电器与能效管理技术,2014(12):14-19.
[7] 张菲菲,李志刚.基于BP神经网络的继电器剩余寿命预测[J].低压电器,2012(1):11-14.
[8] 李志刚,刘伯颖,李玲玲,等.基于小波包变换及RBF神经网络的继电器寿命预测[J].电工技术学报,2015,30(14):233-240.
[9] 王新普,周想凌,邢杰,等.一种基于改进灰色BP神经网络组合的光伏出力预测方法[J].电力系统保护与控制,2016,44(18):81-87.
[10] 苗建伟,王文军,李斌.低压继电器寿命的智能预测分析[J].电器与能效管理技术,2018(04):61-65.
[11] 符赛,王召斌,尚尚.支持向量机算法在电磁继电器贮存寿命预测中的应用[J].电器与能效管理技术,2017(16):11-15.
[12] 刘佳祺,刘德红,林甜甜.基于BP神经网络模型的股票价格研究[J].中国商论,2018(8):29-30.
[13] 王琪,乔红宇.基于GA-BP神经网络的船舶压载水微生物数量预测[J].江苏科技大学学报(自然科学版),2016,30(6):529-537.
[14] 吴炬卓,肖笛,牛海清.计算电缆导体暂态温度的粒子群优化的BP神经网络新方法[J].电器与能效管理技术,2018(03):14-19,24.
[15] 张树奎,鲁子爱.港口集装箱吞吐量的灰色神经网络预测模型研究[J].江苏科技大学学报(自然科学版),2014,28(3):216-219,224.
[16] 孙威,修晓青,肖海伟,等.基于MEA-BP神经网络的电池储能系统SOC状态评估[J].电器与能效管理技术,2018(01):51-54,83.
[17] PAN W T.A new evolutionary computation approach:Fruit fly optimization algrithm:2011 Conference of Digital Technology and Innovation Management[C].2011.
[18] PAN W T.A new fruit fly optimization algorithm:Talking the financial distress model as an example[J].Knowledge-Based Systems,2012,26(2):69-74.
[19] 吴小文,李擎.果蝇算法和5种群智能算法的寻优性能研究[J].火力与指挥控制,2013,38(4):17-20.
[20] 王召斌,翟国富,黄晓毅.电磁继电器贮存期接触电阻增长的动力学模型[J].电工技术学报,2012,27(5):205-211.