化工自动化及仪表
化工自動化及儀錶
화공자동화급의표
CONTROL AND INSTRUMENTS IN CHEMICAL INDUSTRY
2010年
7期
43-46
,共4页
改进粒子群算法%变压器故障诊断%神经网络%收敛速度
改進粒子群算法%變壓器故障診斷%神經網絡%收斂速度
개진입자군산법%변압기고장진단%신경망락%수렴속도
针对基本粒子群算法存在收敛慢、易陷入局部极值的缺点,分析了粒子群算法中惯性权重和加速因子的作用,对其作了修改,并用改进后的粒子群算法训练神经网络,应用在变压器故障诊断上.仿真结果表明:改进后的粒子群算法迭代次数少,收敛速度比改进的BP算法快,可以对变压器的故障类型进行区分.
針對基本粒子群算法存在收斂慢、易陷入跼部極值的缺點,分析瞭粒子群算法中慣性權重和加速因子的作用,對其作瞭脩改,併用改進後的粒子群算法訓練神經網絡,應用在變壓器故障診斷上.倣真結果錶明:改進後的粒子群算法迭代次數少,收斂速度比改進的BP算法快,可以對變壓器的故障類型進行區分.
침대기본입자군산법존재수렴만、역함입국부겁치적결점,분석료입자군산법중관성권중화가속인자적작용,대기작료수개,병용개진후적입자군산법훈련신경망락,응용재변압기고장진단상.방진결과표명:개진후적입자군산법질대차수소,수렴속도비개진적BP산법쾌,가이대변압기적고장류형진행구분.