版权说明 操作指南
首页 > 成果 > 详情

基于组合蚁群算法优化神经网络诊断变压器潜伏性故障

认领
导出
下载 Link by 中国知网学术期刊 Link by 万方学术期刊
反馈
分享
QQ微信 微博
成果类型:
期刊论文
作者:
曾植;张寒;杨廷方;曾祥君;曾程
作者机构:
长沙理工大学电气与信息工程学院,湖南长沙,410114
国网湖南省电力公司检修公司,湖南长沙,410004
[杨廷方; 曾祥君; 曾植; 曾程] 长沙理工大学
[张寒] 国网湖南省电力公司
语种:
中文
关键词:
变压器;故障诊断;BP神经网络;组合蚁群算法;信息素
关键词(英文):
fault diagnosis;BP neural network;combined ant colony optimization;pheromone
期刊:
电气应用
ISSN:
1672-9560
年:
2019
卷:
38
期:
6
页码:
43-49
基金类别:
国家自然科学基金项目(51737002);
机构署名:
本校为第一机构
院系归属:
电气与信息工程学院
摘要:
针对变压器故障诊断中BP神经网络存在收敛速度慢、易陷入局部极小值等问题,提出组合蚁群算法(Combined ACO,CACO)以优化BP神经网络的权值和阈值,加快神经网络的收敛速度并实现全局最优。该方法将带精英策略的蚂蚁系统与最大-最小蚂蚁系统进行结合,对精英蚂蚁信息素轨迹量值域范围进行区间限制,有效地解决了各信息素轨迹之间差异过大的问题,避免了局部最优和早熟收敛,提高了算法的全局搜索能力,克服了常规BP算法训练神经网络在变压器故障诊断中存在的不足。实例验证表明,CACO神经网络比BP神经网络减少了96%的迭代次数,并且在故障诊断方面,CACO神经网络的准确率达到了93.9%,远远高于BP神经网络的...
摘要(英文):
In order to solve the problems of BP neural network in transformer fault diagnosis, such as slow convergence speed and easy to fall into local minimum, combined ant colony algorithm (combined ACO, CACO) is proposed to optimize the weights and thresholds of BP neural network, to speed up convergence speed and to achieve global optimal. This method combines the elitist strategy ant system with the max-min ant system to limit the range of the pheromone trajectories of elitist ants. It effectively solves the problem of large discrepancy between different pheromone trajectories to avoid local optim...

反馈

验证码:
看不清楚,换一个
确定
取消

成果认领

标题:
用户 作者 通讯作者
请选择
请选择
确定
取消

提示

该栏目需要登录且有访问权限才可以访问

如果您有访问权限,请直接 登录访问

如果您没有访问权限,请联系管理员申请开通

管理员联系邮箱:yun@hnwdkj.com