摘  要：针对传统电力电子电路在软故障诊断领域的特征区分度低、诊断效率低等一系列问题，提出一种变分模态分解(VMD)结合改进的黑翅鸢搜索算法(IBKA)优化极限学习机(ELM)的故障诊断方法。首先，利用 VMD 技术将采集到的故障信号进行分解重构，并得到故障诊断的特征向量。其次，用改进后的 BKA 对 ELM 的参数进行优化，得到IBKA-ELM 分类模型；IBKA 采用 Sine 映射初始化种群，随机选择 3 个不同的个体进行差分变异操作，更新领导者位置，在领导者位置更新处引入自适应惯性权重因子，可有效提高算法的寻优能力和收敛速度。最后，通过 150 W 的Boost 电路对本文方法进行实验验证。实验结果显示，VMD 结合 IBKA-ELM 的故障诊断方法在实际诊断中精度均达到 99%以上。

论文下载：

03 基于VMD-IBKA-ELM的电力电子电路软故障诊断_陈苗.pdf

  浏览次数：