买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：湖南五凌电力工程有限公司;长沙理工大学;五凌电力有限公司

摘要：本发明公开了一种基于蚁群算法的水轮机轴线检测数据优化处理方法，包括：水轮机轴线自动检测系统通过多个轴线位移传感器采集轴线数据；通过模数转换模块由预设通信接口传输到微处理器；所述微处理器对轴线数据进行拟合处理，应用基于蚁群优化最小二乘支持向量机回归算法，建立误差最小优化模型；基于所述误差最小优化模型，拟合得到最优摆度特性曲线。该方法将先进的嵌入式微处理器技术与高效的数据优化处理的蚁群算法相结合，可以适用于水轮机安装、检修维护与轴线调整等多种场合，配以通信接口，可以方便接入各种网络和信息系统，具有高度自动化、智能化和网络化，具有广泛的实用性，工程应用价值重大。

主权项：1.一种基于蚁群算法的水轮机轴线检测数据优化处理方法，其特征在于，包括以下步骤：水轮机轴线自动检测系统通过多个轴线位移传感器采集轴线数据；通过模数转换模块由预设通信接口传输到微处理器；所述微处理器对轴线数据进行拟合处理，应用基于蚁群优化最小二乘支持向量机回归算法，建立误差最小优化模型；基于所述误差最小优化模型，拟合得到最优摆度特性曲线；其中，通过模数转换模块由预设通信接口传输到微处理器，包括：通过模数转换模块由RS485、RS232、RS422、以太网、蓝牙、WIFI传输到微处理器；所述微处理器对轴线数据进行拟合处理，应用基于蚁群优化最小二乘支持向量机回归算法，建立误差最小优化模型；基于所述误差最小优化模型，拟合得到最优摆度特性曲线；包括：第一步：将所述轴线数据生成数据样本集合，令数据样本集合T＝{x1,y1,x2,y2,…,xi,yi，…,xl,yl}，其中，i＝1,…,l；l为测量的摆度数据组数，4≤l≤1000，xi,yi表示i点测量的轴线方位，i点测量的轴线偏移量；第二步：构造最小二乘支持向量机非线性回归函数,构建过程为：2.1令x＝[x1…xl],令y＝[y1…yl],z＝[z1…zl],x为轴线方位向量，y为轴线方位向量，z为数据样本矢量,zi表示i点数据样本；2.2给出基于最小二乘支持向量机非线性回归函数的z的拟合值z′得表达式，其为： 1式中，ω为权值因子；b为偏置因子；为待定的非线性映射函数；表示与ω的点乘；第三步：求取核函数Kz′,z，核函数Kz′,z的求取公式为： 2式中，δ为核函数的宽度参数,z′为z的数据拟合矢量；第四步：构建数据拟合矢量z′与z数据样本矢量的最大间隔的最小优化模型，其模型表达式为： 3式中，ηi为允许误差，η＝[η1η2…ηl]为误差矢量；第五步：化简最小优化模型Wω,η,b，得到基于凸二次规划的误差最小优化模型；所述第五步具体包括：5.1根据式3建立Lagrange函数： 4式中，α＝[α1α2…αl]为Lagrange乘子，α≠0，i＝1,…,l；λ为惩罚参数；惩罚参数的取值范围为λ＞0；5.2对式4分别求偏导，有：根据得到 根据得到ληi＝-αi6根据得到 根据得到 5.3化简式5、式6、式7、式8，具体过程为：首先，将式5代入式8，得到： 将式2的代入式9，得到 又根据式6可知，i＝j时时，ηi＝0；引进记号： 将式10化简为 此时式5-式8化简为线性方程组： 5.4根据式12，构造基于凸二次规划的误差最小优化模型Uα，λ，δ，其表达式为： 式13的约束条件为 第六步：通过蚁群算法对模型Uα,λ,δ的参数λ、δ进行寻优，求取λ、δ的最优轨迹λ*α、δ*α；具体过程为：6.1设定数据样本规模T、最大循环次数Tm的初始值和λ、δ的范围，将数据样本规模T设为l，最大循环次数Tm设定为1000，设定λ、δ的范围分别为0λ≤100和0≤δ≤100；6.2给出循环次数初始值k＝0，给出λ初始值λ0＝1和δ初始值δ0＝1；6.3给出初始路径di＝zi，i＝1,2...,l；6.4计算第i个数据点的初始信息素浓度θi0和初始适应度函数：θi0＝exp[Fitdi]15Fitdi＝-gz1615、16式中，di为第i个蚂蚁的初始路径，即为第i个数据样本zi；Fitdi为初始适应度函数；gz为决策函数；θi为第i个蚂蚁的信息素浓度；k为循环次数；6.5给出决策函数gz,α，决策函数表达式为 式17中，b为偏置因子；Kzi,zj′为核函数；其中，zi为第i个数据样本；zj′为拟合后的数据样本；6.6从l个蚂蚁中随机选出小于l的n个蚂蚁，然后从这n个数据中选出信息素浓度最大的数据θobjk，具体过程为：θobjk＝max{θ1k，θ2k,…,θnk}186.7路径转移，具体过程为：dik+1＝1-λkdi+λkθobjk196.8信息素更新，具体过程为：对第i只蚂蚁的信息素浓度θik进行更新：θik+1＝1-ρθik+Δθik20式20中，ρ为信息素挥发系数，ρ∈0,1，取ρ＝0.4；6.9取ε＝0.0000001，如果循环次数k小于Tm以及令k＝k+1，返回步骤6.6；6.10寻优结束，得到含α的最优轨迹λ*α、δ*α；第七步：求取α的最优值α*＝α1*,α2*,…,αl*T；第八步：根据α*得到λ、δ的最优值λ*＝λ*α*和δ*＝δ*α*；第九步：根据α*、λ*、δ*求取核函数Kzi,zj′，求取Kzi,zj′的过程为求解式21，式21为 第十步：选取i，1≤i≤l，计算 第十一步：计算非线性映射函数计算过程为求解式23 式23中，误差矢量η＝[η1η2…ηl]＝[0.0010.001…0.001]；第十二步：求取最优拟合值z′*， z′*为最优摆度特性曲线；所述第七步包括：7.1任取一组α0为α0＝α10,α20,…,αl0T＝0.01,0.01,…,0.01T；7.2将α0代入得到hα0；7.3对hα求导，7.4α1＝α11,α21,…,αl1T；7.5根据αk+1＝α1k+1,α2k+1,…,αlk+1T依次迭代；7.6直到ε＝0.0000001,0.0000001,…,0.0000001T，迭代结束；7.7如果且k≥100，迭代结束；7.8输出此时的α*＝α1*,α2*,…,αl*T＝αk+1。

全文数据：

权利要求：

百度查询： 湖南五凌电力工程有限公司 长沙理工大学 五凌电力有限公司 一种基于蚁群算法的水轮机轴线检测数据优化处理方法