共 16 条
采用自组织RBF网络算法的变压器故障诊断
被引：37
作者：
付强
[1
]
陈特放
[2
]
朱佼佼
[1
]
机构：
[1] 中南大学交通运输工程学院
[2] 中南大学信息科学与工程学院
来源：
基金：
国家高技术研究发展计划(863计划);
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-均值(FCM)算法;
故障诊断;
溶解气体分析(DGA);
D O I：
暂无
中图分类号：
TM407 [维护、检修];
学科分类号：
080801 ;
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-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。
引用
收藏
页码：1368 / 1375
页数：8
相关论文