典型文献
基于ART-ACO-LVQ复合算法的变压器故障诊断研究
文献摘要：
为了提高变压器故障诊断的效率,提出了一种基于ART-ACO-LVQ复合神经网络算法的变压器故障诊断方法.首先针对ART2神经网络算法基本原理进行分析;然后利用ACO算法对ART2神经网络算法进行结合,进而对其初始权值进行优化;接着再结合有监督学习特点的LVQ神经网络算法,并提出基于ART-ACO-LVQ复合算法的变压器故障诊断方法;最后利用该复合方法对不同的变压器故障类型进行仿真分析.其仿真结果表明:通过基于ART-ACO-LVQ复合神经网络算法能够有效识别不同类型的变压器故障,对25个测试样本识别正确率达到100％,而利用ART2神经网络算法和ART-ACO神经网络算法的诊断结果正确率仅分别为68％和84％.进而表明所提的一种基于ART-ACO-LVQ复合神经网络算法的变压器故障诊断方法具有较高的正确性以及可靠性,其结果具有一定的工程实际意义.
文献关键词：
故障诊断;自适应共振;蚁群算法;学习矢量量化算法;复合神经网络
中图分类号：
作者姓名：
高忠江;周有为;钟雨哲;童建林;余代海
作者机构：
中冶赛迪电气技术有限公司,重庆400010
文献出处：
引用格式：
[1]高忠江;周有为;钟雨哲;童建林;余代海-.基于ART-ACO-LVQ复合算法的变压器故障诊断研究)[J].电气应用,2022(10):31-37
A类：
ART2,自适应共振,学习矢量量化算法
B类：
ACO,LVQ,复合算法,变压器故障诊断,诊断研究,复合神经网络,神经网络算法,故障诊断方法,权值,有监督学习,学习特点,故障类型,诊断结果,工程实际,实际意义,蚁群算法
AB值：
0.127896
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
