作者:夏琳琳; 文磊; 刘惠敏; 初妍; 台金娟粒子群优化算法混沌初始化惯性权重高斯扩张变异bpnn方法电力变压器故障诊断
摘要:为了优化反向传播网络相关学习参数,提出一种粒子群优化辅助BP神经网络(BPNN)的新方法.以变压器油中气体体积分数百分比构造故障特征,将BP网络的初始权值和阈值进行实数编码,以对应PSO中的粒子,实现BP网络的离线训练与在线分析,对变压器故障模式做出判断.结果表明,该算法更合理地更新了粒子的位置和速度,最优地设置了全局极值,有效克服了粒子的早熟收敛,获得的故障诊断准确率高达91%,并大大提升了BP网络的收敛速度.该算法为此类设计提供了有效的模型参考.
注:因版权方要求,不能公开全文,如需全文,请咨询杂志社