周愛國 ，余漢華 ，，何怡剛

(1.中國國能電力工程有限公司，上海200061；2.湖南大學，湖南 長沙410082)

在達爾文生物進化論的基礎上，學者相繼進行了遺傳算法、PSO算法、蟻群算法、魚群算法、果蠅算法等智能群體算法的研究[1-3]，在神經(jīng)網(wǎng)絡基礎上，學者提出了優(yōu)于BP網(wǎng)絡和Hopfield網(wǎng)絡的Boltzmann機[4]。其中，由潘文超提出的果蠅算法通過嗅覺和視覺兩方面實現(xiàn)搜尋，加快了搜尋速度，提高了搜尋精度[5]；Boltzmann機結合了兩種網(wǎng)絡結構和學習算法的優(yōu)點?；诖?，本文采用果蠅算法搜尋Boltzmann機結構，實現(xiàn)對發(fā)電機機端電流檢測研究。將此方法與傳統(tǒng)網(wǎng)絡濾波及濾波器濾波對比，更體現(xiàn)了本文方法的優(yōu)越性。

1 果蠅算法

果蠅算法（FOA）是繼遺傳算法、蟻群算法、粒子群算法等智能群體算法之后，由潘文超提出的一種全新的演化式算法。通過對果蠅搜尋食物的研究，分析出果蠅是通過嗅覺尋找食物的大概位置，再用視覺確定食物的準確位置的覓食規(guī)律，提出了果蠅優(yōu)化算法。

果蠅群體同以往群體算法一樣，也是通過迭代搜尋得到最優(yōu)值，果蠅群體演化式搜索算法流程如圖1所示。

圖1 算法流程

2 果蠅算法尋優(yōu)Boltzmann機網(wǎng)絡

Boltzmann機網(wǎng)絡結構沒有明顯的層次，通過神經(jīng)元的互聯(lián)實現(xiàn)網(wǎng)絡狀態(tài)按概率分布進行變化。神經(jīng)元之間通過正向、逆向實現(xiàn)信息雙向傳遞，即 ωij=ωji、ωii=0，中間部分隱見神經(jīng)元不受外部環(huán)境的約束。Boltzmann機的每個神經(jīng)元都具有隨機的興奮和抑制狀態(tài)，其概率取決于神經(jīng)元輸入，圖2表述了Boltzmann機網(wǎng)絡結構形式。

i神經(jīng)元的數(shù)學模型為：

果蠅算法尋優(yōu)Boltzmann機通過果蠅算法對網(wǎng)絡結構的權值和閾值進行優(yōu)化，具體過程分為網(wǎng)絡結構的確定、果蠅算法的優(yōu)化和網(wǎng)絡預測。算法流程如圖3所示。

圖3 果蠅算法尋優(yōu)Boltzmann機網(wǎng)絡結構

3 仿真實現(xiàn)

通過對燃機發(fā)電機機端電流諧波檢測，與傳統(tǒng)網(wǎng)絡搜尋結果相比，驗證本文算法的優(yōu)越性。通常，發(fā)電機機端短路都是采用低通濾波器實現(xiàn)Matlab的仿真，本文采用Simlink與Matlab語言的交互平臺，用Create Bubsystem實現(xiàn)代碼模塊化，模塊分別為傳統(tǒng)Boltzmann機網(wǎng)絡模塊和果蠅算法優(yōu)化Boltzmann機網(wǎng)絡模塊。圖4為實驗仿真原理圖，原理還涉及圖5～圖7所示關于C23變換、C32變換、Cpq變換。

圖4 檢測電流原理圖

從圖8、圖9能明顯看出，果蠅算法搜索相比傳統(tǒng)智能搜索算法優(yōu)化過程和迭代步驟都得到了簡化，說明從嗅覺和視覺兩方面搜尋的高效性。從圖10～圖12可以看出，在同樣的原始輸入波情況下，果蠅算法尋優(yōu)后的基波效果明顯優(yōu)于傳統(tǒng)濾波效果。

傳統(tǒng)網(wǎng)絡算法都是對合適的樣本集，尋求一個參數(shù)集使其能量函數(shù)最小，其缺陷是使網(wǎng)絡容易陷入局部極小問題。果蠅算法通過嗅覺、視覺兩方面的非線性尋優(yōu)Boltzmann機結構并配合Boltzmann機的動態(tài)濾波優(yōu)點，通過對燃機發(fā)電機機端諧波檢測，說明本文方法可以明顯改善諧波檢測效果，提高濾波性能。

圖5 三相/二相變換模塊C32

圖6 二相三相變換模塊C23

圖7 ip、iq運算模塊 Cpq

圖8 果蠅算法的優(yōu)化過程

圖9 果蠅算法的搜尋迭代路徑

圖10 原始輸入波

圖11 果蠅算法尋優(yōu)后的基波

圖12 傳統(tǒng)網(wǎng)絡結構濾波的基波

[1]KENNEDY J，EBERHART R C.Particle swarm optimization[C].Proceedings of IEEE International Conference on Neural Networks，1995：1942-1948.

[2]謝宏，何怡剛.離散Hopfied神經(jīng)網(wǎng)絡在混燒控制系統(tǒng)故障診斷中的應用[J].湖南大學學報（自然科學版），2007，34（3）：33-35.

[3]譚陽紅，何怡剛.模擬電路故障診斷的小波方法[J].電工技術學報，2005，20(8)：89-93.

[4]陳潔，劉希玉，姚樹魁.用遺傳算法優(yōu)化 Boltzmann機[J].計算機工程與應用，2011，47(7)：65-69.

[5]潘文超.果蠅最佳化演算法[M].臺灣：滄海書局出版社，2011：10-134.