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：昆明理工大学

摘要：本发明提出了一种多算法融合的水力机械振摆预测方法及其系统，涉及水电机组状态预警技术领域。该方法综合应用了蜣螂优化算法DBO、改进蜣螂优化算法FDBO、变分模态分解VMD和支持向量机回归SVR等多种先进算法，以提高水力机械振摆数据的预测性能。该方法的核心步骤包括：收集和预处理水电机组振摆数据；改进DBO算法；通过FDBO算法优化VMD参数；从优化后的VMD结果提取有效特征；利用FDBO算法优化SVR模型；使用优化后的VMD和SVR模型对训练数据进行训练和未来振摆值的预测；对训练完的SVR模型进行性能评估；分析预测结果，了解水力机械振摆演变趋势。本发明综合应用了多种算法，以综合性的方式预测水力机械振摆情况，提高了准确性和科学性。

主权项：1.一种多算法融合的水力机械振摆预测方法，其特征在于步骤如下：S1.数据采集与预处理：收集水力机械振摆数据并进行预处理，预处理包括数据降噪、缺失值处理和异常值检测；S2.改进DBO算法：引入混沌映射、自适应搜索半径策略、全局搜索答案策略对蜣螂优化算法进行改进，得到FDBO算法；S3.FDBO优化VMD：使用改进后蜣螂优化算法FDBO对变分模态分解VMD进行优化；将预处理后的数据进行变分模态分解；S4.特征提取与选择：从优化后的VMD分解结果中提取有效特征，采用特征选择方法降低数据维度，得到特征集；S5.FDBO优化SVR：利用改进蜣螂优化算法FDB对支持向量回归SVR模型参数进行优化，包括核函数半径和惩罚系数的优化；S6.模型训练与预测：将特征集随机分为训练数据和测试数据，利用优化后的SVR模型对训练数据进行训练，得到水力机械振摆值预测模型，再用水力机械振摆值预测模型对测试数据进行预测；步骤S2具体步骤如下：步骤1：初始化DBO参数，设置随机种群；步骤2：引入混沌映射，使初始化种群状态更加均匀；计算公式如下： 上式中，xk和xk+1分别表示在不同时间步k和k+1的状态或值，用于描述混沌映射的状态演化；u表示状态参数，其取值范围在0.9到1.08之间，用于调节混沌映射的性质；步骤3：引入自适应搜索半径策略，使得繁殖位置和小蜣螂觅食均以螺旋形式在空间中搜索，扩展发现者探索未知区域的能力；改进后的蜣螂繁殖公式为： 上式中，表示在时间步t+1时刻蜣螂个体i的新位置；表示在时间步t时刻的全局最佳位置；b1和b2分别表示蜣螂个体在新位置更新时的两个系数，它们用来影响个体的移动；表示在时间步t时刻蜣螂个体i的当前位置；Lb*和Ub*分别表示变量的下边界和上边界，用来限制蜣螂个体的位置在一定范围内；改进后的小蜣螂觅食公式为： 上式中，表示小蜣螂在下一代的位置；表示小蜣螂当前代的位置；C1和C2表示两个权重系数；Lbl和Ubl表示界限值；步骤4：引入全局搜索答案的策略，产生随机步长，为解增加一个扰动量，丰富种群多样性，提高算法的搜索能力，使算法跳出局部最优；改进后的蜣螂偷窃公式为： 上式中，表示蜣螂下一代的位置；表示蜣螂当前代的位置；表示局部最佳位置；表示全局最佳位置，S和g表示常数；步骤S3的具体步骤如下：步骤1:初始化VMD参数，包括时间延迟、直流分量、初始条件和容忍度，基于样本熵、聚合代数、皮尔逊系数构建适应度函数fFDBO，适应度函数的目标的值最小； 式中，sampEn为样本熵函数，data为一随机信号时间序列，q表示嵌入维度，r表示相似性容限，P*为Pearson相关系数，lgomega为相对聚合代数；步骤2:FDBO参数设置，设置蜣螂种群数量和最大迭代次数，指定要优化的参数维度，这些参数包括VMD的参数K和α；步骤3:FDBO参数优化循环，在每个迭代中，蜣螂个体通过适应度函数评估其性能，更新蜣螂个体的参数；步骤4:获取最优参数，获取FDBO算法优化后的最优参数组合，即最优的VMD参数K和α；步骤5:执行VMD分解，使用最优参数执行VMD分解，分析VMD分解的结果，获得重构信号和各个IMF。

全文数据：

权利要求：

百度查询： 昆明理工大学 一种多算法融合的水力机械振摆预测方法及其系统