文献类型：期刊文章

作　　者：夏飞[1,2] 罗志疆[2,3] 张浩[1,2] 彭道刚[2,3] 张茜[2] 唐依雯[2]

Xia Fei Luo Zhijiang Zhang Hao Peng Daogang Zhang Qian Tang Yiwen(College of Electronics and Information Engineering, Tongji University, Shanghai 201804, China College of Automation Engineering, Shanghai University of Electric Power, Shanghai 200090, China Shanghai Engineering Research Center of Intelligent Management and Control for Power Process, Shanghai 200090, China)

机构地区：[1]同济大学电子与信息工程学院,上海201804 [2]上海电力学院自动化工程学院,上海200090 [3]上海发电过程智能管控工程技术研究中心,上海200090

出　　处：《电子测量与仪器学报》

基　　金：上海市"科技创新行动计划"社会发展领域项目(16DZ1202500);上海市"科技创新行动计划"高新技术领域科研项目(15111106800);上海市青年科技英才扬帆计划(16YF1404700);上海市发电过程智能管控工程技术研究中心项目(14DZ2251100)资助

年　　份：2017

卷　　号：31

期　　号：1

起止页码：118-124

语　　种：中文

收录情况：BDHX、BDHX2014、CSCD、CSCD_E2017_2018、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：针对变压器故障诊断准确率低的问题提出了粒子群-自组织映射-学习矢量化(PSO-SOM-LVQ)混合神经网络算法。为了获取更加有效的SOM神经网络拓扑结构,首先采用PSO算法对SOM神经网络的权值向量加以改进,在此基础上融入LVQ神经网络,弥补了无监督学习SOM神经网络的不足。这种PSO、SOM和LVQ相结合的混合神经网络算法提高了变压器故障诊断的精度,减少了故障诊断的误差。通过仿真,对SOM、PSO-SOM和PSO-SOM-LVQ这3种算法进行了对比。对比结果表明,PSO-SOM-LVQ混合神经网络算法准确度最高,其故障诊断准确率为100%。由此可见,采用PSO-SOM-LVQ混合神经网络算法可有效提高变压器故障诊断的性能。

关 键 词：故障诊断  PSO算法 SOM神经网络算法  LVQ神经网络算法  

分 类 号：TM41] TN0]