基于SA-PSO优化自适应PNN网络的变压器故障诊断研究附视频

被引：11

作者：

郑凯 ^{[1
]}

袁丹 ^{[1
]}

刘剑清 ^{[2
]}

彭道刚 ^{[2
]}

张浩 ^{[2
]}

机构：

[1] 国网浙江宁波市鄞州区供电公司

[2] 上海电力学院自动化工程学院

来源：

计算机测量与控制 | 2014年 / 04期

基金：

国家自然科学基金重点项目;

关键词：

变压器故障诊断; 自适应概率神经网络; 粒子群优化算法(PSO); 模拟退火算法(SA);

D O I：

暂无

中图分类号：

TM407 [维护、检修];

学科分类号：

090303 [农业农村环境保护与治理（农业环境保护）];

摘要：

概率神经网络中反映整个样本空间的平滑因子σ常以经验取值,缺乏足够的理论依据;对此提出一种自适应概率神经网络变压器故障诊断模型,针对作为自适应概率神经网络的激励函数的高斯函数,采用基于模拟退火思想的改进粒子群算法(SA-PSO)优化其平滑因子σ,从而提高概率神经网络诊断的识别率;通过搜集到92组故障数据进行仿真分析,其结果表明引入模拟退火过程后,粒子群算法的局部搜索能力得到了改善,并且使得SA-PSO算法优化下的自适应概率神经网络相对于单一PSO算法在变压器故障的诊断准确率上得到了较大程度的提高,从而保证变压器的安全可靠运行。

引用

页码：1015 / 1017

页数：3

共 8 条

[1]

基于自适应概率神经网络的SINS/GPS组合导航系统故障诊断方法 [J].