Print

改进人工鱼群算法优化小波神经网络的变压器故障诊断

论文摘要

针对油浸式变压器故障类型的复杂难辨,结合油中气体分析法,提出一种基于改进人工鱼群算法优化小波神经网络的故障诊断模型。基于经典三层小波神经网络,采用粒子化的人工鱼群算法对小波神经网络输入和输出层的权值、小波神经元的伸缩和平移系数进行修正,通过引入动态反向学习策略实时优化人工鱼分布,迭代后半程采用基于柯西分布的自适应人工鱼视野范围提高算法精度。结果表明,该改进鱼群算法优化的小波神经网络相比标准粒子群算法优化小波神经网络和标准鱼群算法优化小波神经网络,诊断速度更快,准确率更高。

论文目录

  • 0 引言
  • 1 小波神经网络
  • 2 改进人工鱼群算法
  •   2.1 标准人工鱼群算法
  •   2.2 优化策略
  •   2.3 算法步骤
  • 3 变压器故障诊断
  •   3.1 样本数据的选择处理
  •   3.2 小波神经网络结构与改进蜂群算法参数
  •   3.3 诊断结果及分析
  • 4 结论

    • 文章来源

    类型: 期刊论文

    作者: 贾亦敏,史丽萍,严鑫

    关键词: 变压器,故障诊断,小波神经网络,改进人工鱼群算法,粒子群优化算法,动态反向学习策略

    来源: 河南理工大学学报(自然科学版) 2019年02期

    年度: 2019

    分类: 工程科技Ⅰ辑,工程科技Ⅱ辑,信息科技

    专业: 电力工业,自动化技术

    单位: 中国矿业大学电气与动力工程学院,国网上海市电力公司市北供电公司

    基金: 教育部科学技术研究重大项目(311021),高等学校博士学科点专项科研基金资助项目(20110095110015)

    分类号: TP18;TM407

    DOI: 10.16186/j.cnki.1673-9787.2019.2.16

    页码: 103-109

    总页数: 7

    文件大小: 355K

    下载量: 464

    相关论文文献

    本文来源: https://www.lunwen66.cn/article/bf8258edfe295e3364de8d46.html