SIA OpenIR  > 信息服务与智能控制技术研究室
基于改进PSO优化BP神经网络的变压器故障诊断
其他题名Transformer fault diagnosis based on the improved PSO-BP neural network
丁腾飞; 曹云侠
作者部门信息服务与智能控制技术研究室
关键词变压器 故障诊断 Bp神经网络 粒子群算法
发表期刊制造业自动化
ISSN1009-0134
2015
卷号37期号:10页码:82-85, 109
产权排序1
摘要变压器故障诊断是非线性模式识别过程,单一的BP(Back Propagation)神经网络收敛速度慢、容易陷入局部最小值,提出用改进粒子群算法(Particle Swarm Optimization,缩写为PSO)进行优化。使神经网络的学习速率动态减小,保证前期充分搜索,后期网络稳定;动态调整PSO的惯性权重和学习因子适应不同阶段的搜索要求,同时引入变异思想,重新初始化某些变量跳出局部最小值。绝缘油中5种特征气体为判断依据,划分高能放电、低能放电、高温过热、中低温过热四种故障,运用新改进的算法建立故障诊断模型,100多个样本进行实际故障诊断,准确率达到83%以上。结果表明,改进PSO-BP更加...
语种中文
文献类型期刊论文
条目标识符http://ir.sia.cn/handle/173321/16161
专题信息服务与智能控制技术研究室
作者单位1.中国科学院沈阳自动化研究所
2.中国科学院大学
推荐引用方式
GB/T 7714
丁腾飞,曹云侠. 基于改进PSO优化BP神经网络的变压器故障诊断[J]. 制造业自动化,2015,37(10):82-85, 109.
APA 丁腾飞,&曹云侠.(2015).基于改进PSO优化BP神经网络的变压器故障诊断.制造业自动化,37(10),82-85, 109.
MLA 丁腾飞,et al."基于改进PSO优化BP神经网络的变压器故障诊断".制造业自动化 37.10(2015):82-85, 109.
条目包含的文件 下载所有文件
文件名称/大小 文献类型 版本类型 开放类型 使用许可
基于改进PSO优化BP神经网络的变压器故(3010KB) 开放获取ODC PDDL浏览 下载
个性服务
推荐该条目
保存到收藏夹
查看访问统计
导出为Endnote文件
谷歌学术
谷歌学术中相似的文章
[丁腾飞]的文章
[曹云侠]的文章
百度学术
百度学术中相似的文章
[丁腾飞]的文章
[曹云侠]的文章
必应学术
必应学术中相似的文章
[丁腾飞]的文章
[曹云侠]的文章
相关权益政策
暂无数据
收藏/分享
文件名: 基于改进PSO优化BP神经网络的变压器故障诊断.pdf
格式: Adobe PDF
所有评论 (0)
暂无评论
 

除非特别说明,本系统中所有内容都受版权保护,并保留所有权利。