[发明专利]一种基于遗传算法的防爆电机故障检测方法

说明书

本发明涉及一种基于遗传算法的防爆电机故障检测方法，具体策略包括：（1）最优繁殖；（2）最差反转繁殖；（3）双极向进化；（4）早熟摘除。其中最优繁殖可以使搜索过程迅速向最优解靠近，加快算法收敛；最差反转繁殖充分利用最差解的补集有较大的概率位于在最优解附近的事实，同样地加快算法收敛速度，并且快速扩大了最优解的搜索范围；双极向进化充分利用较差解来增加种群的多样性，有效地减少了随机添加新解被删除的次数，降低了评估运算的次数，早熟摘除机制使算法迅速跳出局部最优，为算法搜索全局最优和多模问题的求解提供了保障，本发明将改进的遗传算法应用到防爆电机的运行状态的监控上可以快速确定多处损伤，该方法可靠有效。

技术领域

本发明涉及防爆电机故障检测定位和损伤识别定位技术领域，具体的说是一种基于遗传算法的防爆电机故障检测方法。

背景技术

防爆电机在煤矿、石油天然气、石油化工和纺织、冶金等行业的应用越来越多，防爆电机的寿命已经成为制约生产效率的一个重要因素。基于各种测试信号的防爆电机故障检测与损伤识别技术已经受到国内外广大工程技术人员的重视。随着传感器和测试技术的发展,各种测量信号的获取越来越容易，一般情况下可达50多种，但是恶劣环境下的干扰信息严重，导致信号的组合与某种损伤的发生以及严重程度的对应关系的成为防爆电机实时故障检测的难点。

近些年来，各种技术和理论被应用到防爆电机的运行健康状态的监测发现上，如遗传算法、随机振动理论、贝叶斯网络推理等，但由于信号源的多样性、快速变化性和噪声干扰导致检测的效率和准确度仍然不能令人满意。随着人工智能技术和信息技术的进步，遗传算法得到了高速的发展，不论是围绕算法机理的理论研究还是围绕工程实践的应用研究都得到了高速发展，使其理论基础更加坚实，应用领域不断得到扩大。一般的遗传算法通常由种群初始化、交叉、变异、评估等环节构成循环迭代来寻找最优解。但目前多数研究的创新点仍停留在交叉与变异算子的设计上，甚至交叉、变异的设计越来越复杂化，而且这些复杂化的交叉、变异算子多数仅仅适用于某个具体的应用领域，而且计算耗时也严重增加。

发明内容

针对常见遗传算法的缺点与防爆电机故障检测、损伤识别的特点，本发明提供一种基于遗传算法的防爆电机故障检测方法。

为解决上述技术问题，本发明采用的技术方案为：

一种基于遗传算法的防爆电机故障检测方法，设某时刻的测量信号集合为F={a₁,a₂,a_i,…a_m}，m=|F|为集合大小，设 random()为（0,1）上均匀分布的随机函数，G为最大迭代次数，f(s)为具体应用的适应度函数，其特征在于，包括以下步骤：

1)对测量信号集合F采取不放回采样R=random()*m次，则经过R次采样后，待选集F被划分为集合F^Y 和F^N，F^Y表示被选中的集合，F^N表示F中未被选中的集合，有F^N⊂F，F^Y⊂F，且F^N∩F^Y=∅，记s=<F^Y ,F^N>为问题的一个解；