基于粒子群算法-最小二乘支持向量机算法的磁化曲线拟合

王 娟, 刘明光

(北京交通大学 电气工程学院,北京 100044)

基于粒子群算法-最小二乘支持向量机算法的磁化曲线拟合

王 娟, 刘明光

(北京交通大学 电气工程学院,北京 100044)

磁化曲线是强非线性函数，提高磁化曲线的拟合精度对含有铁磁材料的电气设备建模准确性至关重要。提出了一种基于粒子群算法-最小二乘支持向量机(PSO-LSSVM)算法的磁化曲线拟合方法。该方法用粒子群优化算法解决了最小二乘支持向量机(LSSVM)参数的选择问题。仿真结果显示PSO-LSSVM算法能获得最优的LSSVM参数，且采用PSO-LSSVM算法拟合的磁化曲线与实际测量的磁化曲线基本无偏差，拟合精度较高。

磁化曲线； 最小二乘支持向量机； 粒子群算法； 曲线拟合； 参数优化

0 引 言

在对含有铁磁材料的电气设备如变压器、电动机、发电机等进行仿真建模时，一个必须要考虑的问题就是对磁化曲线的准确描述。磁化曲线是强非线性函数，提高对磁化曲线的拟合精度才能保证仿真模型的准确性和可行性[1]。

目前，针对如何提高磁化曲线拟合精度的问题，国内外学者已经提出多种方法。文献[2-3]采用分段函数来拟合磁化曲线，这种方法虽然简单但严重依赖于对拟合函数的选取，不同拟合函数所得到的磁化曲线拟合精度不同，且拟合函数中未知参数过多，对如何准确选取这些未知参数未提出有效解决方法。文献[4-5]采用人工神经网络来拟合磁化曲线，这种方法对于非线性曲线拟合具有较高的平滑性、精确性，但这种计算方法较为复杂，收敛速度慢，样本数据需要较大，且某些参数的选取不当易使算法陷入局部最优。……