(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111629995.4 (22)申请日 2021.12.28 (71)申请人 南京航空航天大 学 地址 210001 江苏省南京市秦淮区御道街 29号 (72)发明人 崔江　陈一凡　王莉　王友仁　 (74)专利代理 机构 南京利丰知识产权代理事务 所(特殊普通 合伙) 32256 代理人 艾中兰 (51)Int.Cl. G06F 30/27(2020.01) G06N 3/00(2006.01) G01R 31/40(2014.01) G01R 31/56(2020.01) (54)发明名称 一种宽禁带航空功率变换器在线故障诊断 方法 (57)摘要 本发明公开一种宽禁带航空功率变换器在 线故障诊断方法， 属于航空电源状态 监测与诊断 领域。 本发明方法利用Go mpertz模型的变形 公式 改进鸟群算 法 （Bird Swarm Algorithm， BSA） ， 并 对MLP的初始权值和偏置进行优化， 将优化后的 MLP模型用于宽禁带航空功率变换器故障诊断， 该方法简称G ‑BSA‑MLP。 与现有方法相比， 本发明 方法避免了陷入局部最优和出现早熟收敛等问 题， 合理平衡了算法的全局搜索能力与局部搜索 能力， 提高了算法的收敛速度以及收敛精度。 权利要求书2页 说明书6页 附图3页 CN 114297928 A 2022.04.08 CN 114297928 A 1.一种宽禁带航空功率变换器在线故障诊断方法， 其特 征在于包括以下步骤： 步骤1： 搭建基于宽禁带器件的航空功率变换器仿真模型， 确定功率变换器的故障模式 以及在各种故障模式下功率变换器中故障可测点； 步骤2： 利用故障可测点采集变换器在各种故障模式下对应的电压信 息， 对采集的电压 信息实施特征提取， 然后进行归一化处理， 将归一化处理后的数据信息按照一定比例随机 分为训练样本集和 测试样本集； 步骤3： 对鸟 群算法在觅食行为 中的个体位置更新规则 进行改进， 引入Gompertz模型的 变形公式非线性调整感知系 数和社会加速系 数， 并引入自适应惯性权重， 使改进后的鸟群 算法能够平衡局部搜索能力与全局搜索能力， 设置改进后的鸟群算法的相关参数， 并设置 MLP的各层节点数及激励函数， 采用改进后的鸟群算法对MLP进行参数寻优， 达到最大迭代 次数则优化结束， 输出MLP模型的最优初始权值和偏置； 步骤4： 建立优化后的MLP模型， 并用测试样本集对优化后的MLP模型分类性能进行测 试， 得到模型的分类准确率， 把优化后的MLP模 型用于宽禁带航空功 率变换器的在线故障诊 断。 2.根据权利要求1所述的一种宽禁带航空功率变换器在线故障诊断方法， 其特征在于 改进后的鸟群算法在觅食行为中个 体的位置更新 规则为： 其中， 和 分别表示第i只鸟在第j维中的第t次和第t+1次迭代 时的个体位置， pi， j 表示第i只鸟在第j维中的最佳位置， gj表示整个鸟群群体在第j维中的最佳位置， rand(0， 1)为产生服从高斯分布的一个随机数， C1和S1为改进规则中引入的感知系数和社会加速系 数非线性调节因子， 采用Gompertz模 型的变形公 式对感知系数和社会加速系数进行非线性 调整， t是当前迭代次数， tmax代表最大迭代次数， m、 n为调节 参数， 表示第i只鸟在第t次迭 代时的惯性权 重， ωmax为初始惯性权 重， ωmin为鸟群最大迭代次数的惯性权 重。 3.根据权利要求2所述的一种宽禁带航空功率变换器在线故障诊断方法， 其特征在于 采用改进后的鸟群算法对MLP进行参数寻优， 具体包括以下步骤： 步骤3.1： 对改进鸟群算法中的种群规模、 解空间维数、 最大迭代次数、 觅食概率和定期 飞行时间 间隔进行初始化； 步骤3.2： 对鸟群的位置进行初始化， 设定第i只鸟的初始位置 其中， 表示MLP模型的初始权值和偏置参数组合； 步骤3.3： 将第i只 鸟的初始位置用于训练MLP模型， 并计算 适应度值； 步骤3.4： 生成新的解， 过程如下： 步骤3.4.1： 每只鸟采用随机决策方式选择觅食行为或保持警觉行为， 即产生一个[0，权　利　要　求　书 1/2 页 2 CN 114297928 A 21]的随机数， 当随机数 大于觅食概 率时， 该鸟进行觅食， 否则保持警觉； 步骤3.4.2： 在觅食行为中， 每只鸟记录并更新自身最佳经验和整个种群的最佳经验， 并按所述 位置更新 规则确定下一处觅食位置； 步骤3.4.3： 在警戒行为中， 每只鸟都会试图飞往种群的中心位置， 产生个体之间的竞 争关系， 此时个 体位置更新公式表述如下： 其中， meanj表示在第j维中的平均位置； pk， j表示第k只鸟在第j维中的位置； k为[1， N ]的 随机正整数， 且k≠i； a1和a2为[0， 2]的常数； 分别表示第i只鸟和第k只鸟的最佳 适应度值； sumFit表示整个种群的最佳适应值总和； ε为避免分母为0的一个很小的常量； A1、 A2分别表示鸟群个体飞向种群中心的过程中由于周围环境引起的间接影响和直接影响； 当 优于 说明个体i受到的干扰大于个体k， 所以个体k向着种群中心移动的可能性更 大； 步骤3.4.4： 每只鸟定期飞往另一区域进行觅食， 储量最高的鸟角色切换为生产者， 负 责寻找食物， 储量最低的鸟角色切换为乞食者， 主要跟随生产者寻找食物， 其余鸟类将随机 选择生产者和乞食者， 生产者和乞食者的位置更新公式分别为： 其中， randn(0， 1)为均值为0， 标准差为1的高斯分布随机数； k∈[1， N]， k≠i； FL∈[0， 2]， 表示乞食者会跟着生产者去寻找食物的概 率； 步骤3.5： 计算 新的适应度值， 更新个 体； 步骤3.6： 重复步骤3.4 ‑步骤3.5直至达到最大迭代次数， 输出最优解， 即MLP模型的最 优初始权值和偏置参数组合(w， b)。 4.根据权利要求1所述的一种宽禁带航空功率变换器在线故障诊断方法， 其特征在于： 步骤4中对宽禁带航空功率变换器进 行在线故障诊断， 故障信号的选取、 特征提取和归一化 处理方法与步骤2中保持一 致。 5.根据权利要求2所述的一种宽禁带航空功率变换器在线故障诊断方法， 其特征在于： 调节参数m＝0.6 5、 n＝0.97。 6.根据权利要求2所述的一种宽禁带航空功率变换器在线故障诊断方法， 其特征在于： ωmax＝0.9、 ωmin＝0.4。权　利　要　求　书 2/2 页 3 CN 114297928 A 3