采用自组织RBF网络算法的变压器故障诊断 Transformer Fault Diagnosis Using Self-adaptive RBF Neural Network Algorithm.pdfVIP

下载本文档

5
0
约2.92万字
约 8页
2017-08-03 发布于上海
举报
版权申诉

采用自组织RBF网络算法的变压器故障诊断 Transformer Fault Diagnosis Using Self-adaptive RBF Neural Network Algorithm.pdf

1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击这里二次下载。
3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
7、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

高电压技术第 38卷第 6期 2012年 6月 30日 1368 HighVoltageEngineering Vo1．38，No．6，June30，2O12 采用自组织 RBF网络算法的变压器故障诊断付强，陈特放，朱佼佼 (1．中南大学交通运输工程学院，长沙410075；2．中南大学信息科学与工程学院，长沙410075) 摘要：针对以往神经网络常采用试凑法设计网络节点的缺陷，提出了一种自组织径向基函数 (RBF)神经网络算法。该算法首先通过模糊 C一均值 (FCM)算法得到初始的RBF神经网络节点数和中心向量，再利用‘经 Gaussian随机分布改进的粒子群优化 (PSO)算法对初始 RBF神经网络节点数、中心向量、节点连接权值进行优化。利用鸢尾属数据集及葡萄酒数据集对提出的自组织 RBF神经网络算法进行了仿真测试，证明该算法对于提高分类精度和优化 RBF神经网络结构有一定的作用。最后，将该算法应用到电力机车牵引变压器综合测试及故障诊断系统中，结果证明所提的自组织 RBF神经网络诊断算法可有效监测出原系统试验时误报和漏报的故障。关键词：变压器；自组织径向基函数 (RBF)神经网络；Gaussian分布粒子群优化 (PSO)算法；模糊 C一均值 (FCM)算法；故障诊断；溶解气体分析 (DGA) DOI：10．3969／j．issn2012．06．013 文章编号 2012)06—1368—08 TransformerFaultDiagnosisUsingSelf-adaptive RBF NeuralNetworkAlgorithm FU Qiang 。CHENTefang ，ZHUJiaojiao (1．SchoolofTrafficandTransportation Engineering，CentralSouthUniversity，Changsha410075，China； 2．SchoolofInformationScienceandEngineering，CentralSouthUniversity，Changsha410075，China) Abstract：Inaccordancewiththeshortcomingsthatpreviousnetwork-nodeneuralnetworkswereusuallydesignedby trialand errormethod，weproposedan algorithm forase1organizationradicalbasisfunction (RBF)neural network．TheinitialnumberofnetworknodeandcentervectorwerefirstlyobtainedbyfuzzyC—means(FCM)，then optimizedbyanimprovedparticleswarm optimization (PSO)algorithm hasedongaussianrandom distribution (Gaussian—distributionPSOalgorithm)togetherwithnodeweights．Duringthesimulationexperiments，thetests basedontheIrisdatasetandW inedatasetshow thattheproposedself—organizationRBFneuralnetworkalgorithm iseffectiveinimprovingtheaccuracyofclassificationandoptim izingtheRBFneuralnetworkstructure．Finallythe algorithm is applied tO the comprehensive test and fault diagnosis system for electric