当前位置:主页 > 科技论文 > 自动化论文 >

基于RBF神经网络和自适应遗传算法的变压器故障诊断

发布时间:2018-08-26 07:04
【摘要】:由于变压器故障征兆与故障类型之间具有复杂的非线性关系,采用传统的BP神经网络诊断方法存在收敛速度慢、准确率低和自适应能力差等缺点.针对以上问题,提出了一种基于自适应遗传算法的RBF神经网络故障诊断方法,建立了以变压器的故障特征参数为输入、以主要故障类型为输出的故障诊断模型;将自适应遗传算法和RBF神经网络有机地结合起来,利用自适应遗传算法对RBF神经网络的基函数宽度和中心进行优化,将优化后的RBF神经网络应用于变压器故障诊断.仿真结果表明,该诊断模型加快了网络收敛速度,改善了RBF神经网络的泛化能力,提高了故障诊断正确率,具有良好的实用性.
[Abstract]:Because of the complex nonlinear relationship between transformer fault symptoms and fault types, the traditional BP neural network diagnosis method has some disadvantages, such as slow convergence speed, low accuracy and poor adaptive ability. The fault diagnosis model with the main fault type as the output and the fault characteristic parameters of the transformer as the input, combines the adaptive genetic algorithm with the RBF neural network, optimizes the width and center of the RBF neural network by using the adaptive genetic algorithm, and applies the optimized RBF neural network to the transformer fault diagnosis. The simulation results show that the diagnosis model speeds up the network convergence speed, improves the generalization ability of RBF neural network, improves the fault diagnosis accuracy and has good practicability.
【作者单位】: 河南理工大学电气学院;
【基金】:2006年河南省科技计划项目(编号:0611022300)
【分类号】:TM407;TP183

【参考文献】

相关期刊论文 前1条

1 鲍文胜;刘晓刚;;基于自适应遗传算法的RBF神经网络优化算法[J];山东师范大学学报(自然科学版);2007年03期

【共引文献】

相关期刊论文 前8条

1 邱浩;贺萍;;扩展T-S模糊模型在建模中的方法研究[J];湖南师范大学自然科学学报;2008年02期

2 杨梅;卿晓霞;王波;;基于改进遗传算法的神经网络优化方法[J];计算机仿真;2009年05期

3 盛飞;庄健;;多层RBF网络的自适应遗传算法及其在实函数逼近中的应用[J];安徽工业大学学报(自然科学版);2013年02期

4 彭义春;牛熠;胡琦伟;;基于IRBF的入侵检测系统的研究[J];计算机应用与软件;2013年09期

5 李高云;张雪英;;用遗传算法改进的RBF神经网络在语音识别系统中的应用[J];太原理工大学学报;2009年04期

6 于光帅;于宪伟;;一种改进的自适应遗传算法[J];数学的实践与认识;2015年19期

7 王海军;乔烨;;基于GA-RBF模型的无线电波信号预测研究[J];微型电脑应用;2011年12期

8 王海军;林志伟;;PSO-RBF无线电波信号预测模型研究[J];现代计算机(专业版);2013年04期

相关硕士学位论文 前10条

1 肖长冬;RBF网络的改进及其在焊膏印刷厚度预测中的应用[D];西安电子科技大学;2010年

2 王璐;电动汽车锂电池剩余电量估计方法的研究[D];北京交通大学;2011年

3 周哲;基于RBF神经网络的自适应控制研究[D];武汉工程大学;2011年

4 李成国;基于人工智能的配棉技术和纱线质量预测系统的研究[D];北京服装学院;2008年

5 田山;陕西渭河流域水资源监测调度系统研究[D];西北农林科技大学;2009年

6 李高云;优化RBF神经网络用于语音识别的研究[D];太原理工大学;2009年

7 刘伟峰;基于RBF神经网络的磨矿过程控制模型研究[D];吉林大学;2010年

8 华德梅;基于RBF神经网络入侵检测模型的研究[D];合肥工业大学;2010年

9 王成林;起重机桁架臂顶节局部拓扑优化研究[D];大连理工大学;2012年

10 盛飞;多层径向基函数网络的自适应遗传算法[D];安徽工业大学;2012年

【二级参考文献】

相关期刊论文 前5条

1 赵志刚;单晓虹;;一种基于遗传算法的RBF神经网络优化方法[J];计算机工程;2007年06期

2 郑生荣;赖家美;刘国亮;唐刚;;一种改进的实数编码混合遗传算法[J];计算机应用;2006年08期

3 李红利,张晓彤,兰立柱,孙兆林;基于遗传算法的RBF神经网络的优化设计方法[J];计算机仿真;2003年11期

4 郑自然;刘希玉;;基于遗传算法的适合纹样花卉图案设计方法[J];山东师范大学学报(自然科学版);2006年03期

5 欧阳森,王建华,宋政湘,陈德桂,耿英三;一种新的改进遗传算法及其应用[J];系统仿真学报;2003年08期

【相似文献】

相关期刊论文 前10条

1 申哲巍;张树芳;孙东海;;基于云自适应遗传算法的机组负荷分配[J];电力科学与工程;2013年03期

2 吕德刚;王国良;孟大伟;石建飞;;自适应遗传算法在防爆型高能量密度电机优化设计中的应用[J];防爆电机;2007年01期

3 贾嵘;蔡振华;罗兴,

本文编号:2204097


资料下载
论文发表

本文链接:https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/2204097.html


Copyright(c)文论论文网All Rights Reserved | 网站地图 |

版权申明:资料由用户bfc94***提供,本站仅收录摘要或目录,作者需要删除请E-mail邮箱bigeng88@qq.com