变压器故障诊断中的自构形神经网络.pdfVIP

变压器故障诊断中的自构形神经网络 周建华 东南大学电气工程系 南京210018 一■：神经罔络已广泛应用T-搜鲁的故障诊断中．鉴于神经网络的性能和谤颤使山与孵络的拓扑结构和学习掉法有着密 切的联系．丰文研究井实琨了在故障诊断应用巾臆进{r自构形的神赶同络横型，井『蓝用f变压器故肆皓断实践中． 始一：抻经网络．自动梅形．变压器．放障诊断 1．引言 一 人工神经网络是一种智能仿真系统…，它以神经元连接与并行机制来简化、抽象及模 拟人脑的逻辑及形象思维能力。其在电气设备在线监测、故障诊断、电力系统负荷预报、过 程控制等方面正得到广泛的应用‘”1。 称FNN)，是最广泛采用的模式识别和联想网络．FNN是由神经元组织成无任何反馈的纯前 向蹲鳍，网络不仅有输入层节点和输出层节点．而且有一层或多层隐节点．FNN模型包括 嚼鳝的拓扑结构、网络的单元特性和网络的学习方法三部分，它们与网络的学-j样本一起决 定了网络的性能与判断能力． ’在孙JN中．节点又称，奄基本处理 ．j一 单元或神经元，其输入输出／／O特征函。． - M 数决定了网络的单元特性。在FNN的 实践中．一般采用Sigmoid函数作为帘地 - y： 点的特征曲数。因而．在FNN的构形 中，藏们主要分析网络的拓扑结构和学 ¨‰ 习算法及其影响． t 2．茸椅形同络■曩 图1FNN拓扑模型 前向神经网络解决问题的过程可以描述为“转化问题-+构形网缮j网络学习●网络应 用”的过程。转化问题是构造神经网络的前提，网络构形和网络学习是网络应用能力的关键， 恰当的网络结构和合理的学习算法能极大地提高网络的性能和判断能力．因而．在网络应用 中实现自构形(auto-struaure)有重要的实用意义。 ，． 。， f…’ 1 2．1网络拓扑构形 ．． ， - 在FNN结构中．输入层节点协l加，…^，…,Xn i=l，…n}，表示的是实际问息的已知信息 或问题特征。输出层节点王，．I北，…∞，…J，_产l，…Ⅲ}．反映了对问题的判断．是对阃嚣的解． 因而i当研究对象确定后．孙IN的输入层和输出层就由问题本身限定了．阿络的拓扑构形 关键在于决定隐层的层数与隐节点的个数。将隐层层数记为h，各隐层节点数记为，^． 一365—— 关于隐层的层数。文献【5l证明“有两个隐层，能解决任何形式的分类问题”，更进 一步文献[61指出：“单隐层的神经网络只要隐节点数足够多，可以逼近任一非线性函数”。 据此，隐层数取为和l或2，能解决实际的故障诊断问题。 隐节点数量厶对网络的收敛性和判断性能有较大的影响。如隐节点数过少，则网络的自 学习过程可能不会收敛；反之，如隐节点数太多，则网络学习过程加长，性能变差，容错性 降低．为了克服隐节点数对网络性能的不利影响．就需要在实践中对其进行自动选择。．? 2．2网络学习算法 神经网络的各种能力是从神经网络的学习中获得的。常用的学习规则主要有：相关规则 应学习的无教师学习规则等。各种学习规则各有优势与缺陷…．反映在算法的收敛性与收 敛速率上，对不同问爱(