基于改進人工魚群-RBF神經(jīng)網(wǎng)絡的電力變壓器故障診斷研究.pdf_第1頁
已閱讀1頁,還剩95頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權,請進行舉報或認領

文檔簡介

1、本文通過對電力變壓器故障診斷技術的學習研究,概述了該技術在國內(nèi)外的發(fā)展概況,闡述了傳統(tǒng)的故障診斷方法(DGA),以及基于DGA數(shù)據(jù)的人工智能診斷技術,分析了變壓器故障氣體的產(chǎn)生機理、過程和特征氣體的構成與故障類型的關聯(lián)性,提出了基于改進的人工魚群算法(IAFSA)結合RBF神經(jīng)網(wǎng)絡的變壓器故障診斷方法。
  首先對傳統(tǒng)的基于DGA數(shù)據(jù)的變壓器故障診斷方法進行了理論學習和分析,介紹了溶解氣體在變壓器中的產(chǎn)生來源,以及各類氣體的組成比

2、例與之相對應的故障類型,并得出了傳統(tǒng)變壓器故障診斷方法的不足之處,為下一步提出新方法奠定了理論依據(jù)。
  然后通過研究AFSA算法的原理特征及其自身存在的欠缺之處,對魚群算法的參數(shù)和行為進行了改進,適當引入了相應策略:自適應策略、分段策略、跳躍行為、踏步行為等。設計出改進后的人工魚群算法(IAFSA)模型和流程圖,改進后的魚群算法具有搜索速度快,并自動選擇魚群行為,易于逃離局部最優(yōu)解,為下一步的結合RBF神經(jīng)網(wǎng)絡提供了算法支撐。I

3、AFSA主要用于優(yōu)化RBF神經(jīng)網(wǎng)絡的基函數(shù)中心和寬度,文中采用了均勻分布魚群,搜索故障數(shù)據(jù)的徑向基中心的初始值,再根據(jù)K-means聚類算法,最終確定網(wǎng)絡的基中心和寬度等參數(shù),使RBF網(wǎng)絡得出最優(yōu)結構,提高網(wǎng)絡的訓練效率和效果。
  最后依據(jù)IAFSA-RBF算法的理論成果,使用MATLA R2013a平臺搭建模型,進行實驗仿真。通過實驗數(shù)據(jù)對比結果來看,本文使用的方法——IAFSA-RBF網(wǎng)絡對于變壓器故障數(shù)據(jù)訓練和預測的速度與

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

最新文檔

評論

0/150

提交評論