模式识别神经网络模式识别.docVIP

基于遗传算法的神经网络在发电机定子超高频局部放电模式识别中的应用 局部放电既是设备绝缘劣化的征兆．又是造成绝缘劣化的重要原因．开展局部放电检测能比较灵敏地反映设备的早期故障．因此它对于电力设备的安全稳定运行具有重要意义。局部放电检测是大型发电机绝缘状态监测的重要手段。传统的检测方法．测量频率低，易受外界干扰。。对发电机超高频局部放电自动识别系统所得的放电谱图进行模式识别．可以区分不同类型的绝缘内部缺陷。将神经网络用于局部放电模式识别大大提高了识别的可靠性和实用性[1]．目前广泛采用的是基于BP算法(误差反向传播算法)的多层前馈神经网络本文结合BP算法和AGA算法各自的优点．构造了一种基于AGA—BP混合学习算法的神经网络．应用于发电机超高频局部放电的模式识别中。基于自适应遗传算法AGA的神经网络遗传算法是一种概率搜索算法．它是利用某种编码技术作用于称为染色体的二进制数串。其基本思想是模拟由这些串组成的群体的进化过程。其操作是从一个n个串的初始群体出发．对当前群体中的个体不断循环地执行选择(selection)、交叉(cmss．over)和变异(mutation)过程。AGA神经网络就是将AGA作为神经网络的学习算法．对神经网络的权系数和阈值进行编码．形成所谓染色体．然后模拟自然界的进化过程．对染色体进行复制、交叉以及变异操作．使染色体不断进化．最终产生代表问题最优解的染色体．再经反