基于AGA-ELM算法的凝汽器故障诊断

摘要

为了提高凝汽器故障诊断的准确度,进一步提升机组运行的可靠性,提出了一种将自适应遗传算法(AGA)与极限学习机(ELM)相结合用于凝汽器故障诊断的方法.自适应遗传算法是优化标准遗传算法的交叉概率和变异概率,实现两者的非线性自适应调整,使其具有更快的收敛速度和更好的稳定性.针对传统的ELM算法输入权值和阈值的随机选取,采用AGA算法对其优化.在此基础上,通过“试错法”确定AGA-ELM算法最优隐含层节点参数.结合具体实例,通过仿真进行分析,将BP、ELM、AGA-ELM算法预测输出结果进行比较.研究结果表明,AGA-ELM算法的预测效果优于其他算法,具有更高的诊断精度.