马松龄:基于改进粒子群优化RBF网络的变压器故障诊断论文

马松龄:基于改进粒子群优化RBF网络的变压器故障诊断论文

本文主要研究内容

作者马松龄,郭小艳,张清敏,代一楠(2019)在《基于改进粒子群优化RBF网络的变压器故障诊断》一文中研究指出:为提高变压器故障诊断精度,提出了一种改进粒子群优化RBF网络算法,用于优化RBF网络的中心参数。首先通过非线性递减权值策略改进粒子群算法,再利用改进粒子群优化RBF网络,最后建立用于变压器故障诊断的RBF网络模型,并在Matlab平台上进行了仿真测试。结果表明,优化后的RBF网络比单一RBF网络故障诊断率有大幅提高。通过诊断国网某公司的5组故障实例,验证了所提算法的可行性。

Abstract

wei di gao bian ya qi gu zhang zhen duan jing du ,di chu le yi chong gai jin li zi qun you hua RBFwang lao suan fa ,yong yu you hua RBFwang lao de zhong xin can shu 。shou xian tong guo fei xian xing di jian quan zhi ce lve gai jin li zi qun suan fa ,zai li yong gai jin li zi qun you hua RBFwang lao ,zui hou jian li yong yu bian ya qi gu zhang zhen duan de RBFwang lao mo xing ,bing zai Matlabping tai shang jin hang le fang zhen ce shi 。jie guo biao ming ,you hua hou de RBFwang lao bi chan yi RBFwang lao gu zhang zhen duan lv you da fu di gao 。tong guo zhen duan guo wang mou gong si de 5zu gu zhang shi li ,yan zheng le suo di suan fa de ke hang xing 。

论文参考文献

  • [1].基于模糊的RBF变压器故障诊断研究[J]. 刘君,胡绍刚.  信息系统工程.2013(04)
  • [2].基于免疫RBF神经网络的变压器故障诊断[J]. 任静,黄家栋.  电力系统保护与控制.2010(11)
  • [3].RBF神经网络的变压器故障诊断研究[J]. 朱丽娟.  计算机与信息技术.2009(12)
  • [4].基于改进PSO优化RBF神经网络的变压器故障诊断[J]. 黄丽.  电力信息与通信技术.2018(09)
  • [5].基于组合核相关向量机和量子粒子群优化算法的变压器故障诊断方法[J]. 付华,任仁,闫智生,马云伍.  高压电器.2017(10)
  • [6].基于改进量子粒子群优化支持向量机的变压器故障诊断方法[J]. 党东升,张树永,葛鹏江,田星.  电力科学与技术学报.2019(03)
  • [7].基于邻域粒子群优化神经网络的变压器故障诊断[J]. 贾嵘,徐其惠,李辉,刘伟.  高压电器.2008(01)
  • [8].基于改进Fisher Ratio的RBF网络在油浸变压器故障诊断中的应用[J]. 孙晓云,刘东辉,梁永春,李爱华.  高压电器.2009(02)
  • [9].基于粗糙集和支持向量机理论的变压器故障诊断方法[J]. 于虹,孙鹏.  云南电力技术.2011(04)
  • [10].混合神经网络在变压器故障诊断中的应用[J]. 夏飞,罗志疆,张浩,彭道刚,张茜,唐依雯.  电子测量与仪器学报.2017(01)
  • 论文详细介绍

    论文作者分别是来自水电能源科学的马松龄,郭小艳,张清敏,代一楠,发表于刊物水电能源科学2019年04期论文,是一篇关于变压器论文,故障诊断论文,改进粒子群算法论文,网络论文,水电能源科学2019年04期论文的文章。本文可供学术参考使用,各位学者可以免费参考阅读下载,文章观点不代表本站观点,资料来自水电能源科学2019年04期论文网站,若本站收录的文献无意侵犯了您的著作版权,请联系我们删除。

    标签:;  ;  ;  ;  ;  

    马松龄:基于改进粒子群优化RBF网络的变压器故障诊断论文
    下载Doc文档

    猜你喜欢