基于SA-PSO优化自适应PNN网络的变压器故障诊断研究

• 作者: 刘剑清 张浩 彭道刚 袁丹 郑凯
• 来源期刊: 计算机测量与控制
• 关键词: 变压器故障诊断 自适应概率神经网络 粒子群优化算法(PSO) 模拟退火算法(SA)
• 年，卷（期）: 2014,（4）
• 所属期刊栏目: 自动化测试技术
• 页码范围: 1015-1017
• 页数: 3页
• 分类号: TM41
• 语种: 中文

摘要

概率神经网络中反映整个样本空间的平滑因子σ常以经验取值,缺乏足够的理论依据;对此提出一种自适应概率神经网络变压器故障诊断模型,针对作为自适应概率神经网络的激励函数的高斯函数,采用基于模拟退火思想的改进粒子群算法(SA-PSO)优化其平滑因子σ,从而提高概率神经网络诊断的识别率;通过搜集到92组故障数据进行仿真分析,其结果表明引入模拟退火过程后,粒子群算法的局部搜索能力得到了改善,并且使得SA-PSO算法优化下的自适应概率神经网络相对于单一PSO算法在变压器故障的诊断准确率上得到了较大程度的提高,从而保证变压器的安全可靠运行.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张浩	上海电力学院自动化工程学院	124	1305	20.0	28.0
2	彭道刚	上海电力学院自动化工程学院	157	1369	20.0	28.0
3	袁丹		14	22	3.0	4.0
4	郑凯		2	10	2.0	2.0
5	刘剑清	上海电力学院自动化工程学院	1	7	1.0	1.0