主动差异学习神经网络集成方法在变压器DGA故障诊断中的应用

多分类器集成是解决困难学习问题的有效手段,但其性能提升的关键在于如何保证个体分类器的差异性。通过对集成误差公式的理论分析,提出一种能主动引导成员网络进行差异性学习的集成网络学习算法。该方法通过对集成误差的分解,使成员网络的训练准则函数中包含成员网络误差相关度的因素,并通过协同训练,引导成员网络进行差异性学习。该方法在基于油中溶解气体分析技术的变压器故障诊断的实验结果表明,该方法的故障诊断准确率优于传统的IEC三比值法与BP神经网络法,其性能也比经典的Bagging和Boosting集成方法更稳定可靠。