基于VMD-WOA-ELM的电缆外力破坏振动信号在线识别

作者：崔岩; 方春华; 文中; 许瑶; 张云杰; 侯正宇

来源：电子测量技术, 2023, 46(02): 121-129.

DOI：10.19651/j.cnki.emt.2210458

• 外力破坏
• 变分模态分解(VMD)
• 鲸鱼优化算法(WOA)
• 极限学习机(ELM)

保障电力电缆的安全运行是建设新型智能电力系统的基础，为实现对外力破坏事件的数字化预警，提出基于VMD-WOA-ELM的外力破坏振动信号在线识别方法。首先，利用VMD将采集到的异常振动信号分解为若干本征模量函数分量(IMF),然后提取各IMF分量的时、频域特征值组成特征向量，最后采用极限学习机(ELM)进行振动信号类型识别，为解决ELM模型随机性选取初始权值和阈值导致的分类稳定性较差的问题，将鲸鱼优化算法(WOA)应用于ELM的参数寻优，从而获得最优分类模型。将该方法应用于施工振动信号类型识别实验，分别采集四种典型外破事件的振动信号各100组，将其中80%作为训练集，20%作为测试集检验算法的识别性能，并与传统ELM、PSO-ELM、GA-ELM进行了对比。结果表明：在相同计算机运行条件下，WOA-ELM对外破振动信号的分类准确度达98.75%,相比传统ELM识别精度提高了5%,且整体运行时间仅为4.10 s。与另外两种算法相比，该算法识别精度最高、收敛速度最快，具有最优综合性能。

• 单位
  三峡大学