改进AFSA算法优化SVM的变压器故障诊断

来源：计算机工程与应用杂志2017年第17期北京时间：

作者：卢向华，舒云星

单位：洛阳理工学院 计算机与信息工程学院，河南 洛阳 471023

摘要：提出一种基于改进人工鱼群算法优化支持向量机（SVM）的变压器故障诊断方法。首先对基本人工鱼群算法进行改进，引入柯西变异优化觅食行为，并在算法的迭代过程中利用鱼群搜索到的信息和[t]分布变异的特点，对劣质个体鱼进行消亡与重生，提高鱼群算法的寻优效率和求解精度。然后，利用改进的人工鱼群算法优化SVM的核函数参数及惩罚系数，使SVM分类器获得最佳的分类精度。最后采用决策导向无环图（DDAG）方法建立变压器故障诊断SVM多分类决策模型。通过仿真实验将提出的方法与网格搜索法Grid-SVM、GA-SVM、PSO-SVM比较，所建模型具有更高的诊断正确率。

关键词：支持向量机（SVM）,参数优化,人工鱼群算法（AFSA）,变异,变压器故障诊断,决策模型