基于最大-最小蚂蚁系统优化ELM的电解槽故障诊断

来源：计算机测量与控制杂志2015年第10期北京时间：

作者：孙伟,李停,张明伟

单位：中国矿业大学 信息与电气工程学院

摘要：针对铝电解槽故障特征种类繁多，难以快速准确的实现故障类型诊断，设计了一种基于最大-最小蚂蚁系统(MMAS)优化的极限学习机(ELM)故障诊断方法。介绍了电解槽常见的故障类型及其对槽电压的影响，对采集到的故障情况下的槽电压信号进行降噪处理，根据对降噪后故障信号的局域均值分解(LMD)结果得到故障特征。采用ELM算法辨识故障类型，针对ELM算法存在的参数问题，采用MMAS对ELM隐含层参数寻优。结果表明，MMAS优化的ELM既保证了较快的训练速度，同时获得了更高的故障测试正确率。

关键词：铝电解槽;故障诊断;极限学习机;最大-最小蚂蚁系统