典型文献
基于IPPA优化PNN的变压器故障诊断研究
文献摘要：
针对变压器故障诊断精度低的问题,本文提出一种改进寄生捕食算法(IPPA)优化概率神经网络(PNN)的电力变压器故障诊断模型,首先利用主成分分析(PCA)对故障数据进行数据降维减少无效特征,然后利用混沌反向学习,柯西变异算子和融合贝塔分布的线性递减函数的权重等多策略改进寄生捕食算法(IPPA),提高其优化能力,并使用改进后的IPPA算法优化PNN网络的平滑因子,以提高PNN的分类精度和鲁棒性.最后将PCA处理后的数据输入到IPPA-PNN模型中进行故障诊断并以变压器数据为依据进行测试,测试结果表明,IPPA-PNN模型准确率达到93％相比于PPA-PNN和PSO-PNN模型提高了7％和10％能够有效地提高变压器的故障诊断性能.
文献关键词：
电力变压器;寄生捕食算法;混沌反向学习;柯西变异算子;自适应惯性权重;故障诊断
中图分类号：
作者姓名：
徐耀松;包力铭;管智峰;王雨虹;阎馨
作者机构：
辽宁工程技术大学电气与控制工程学院 葫芦岛 125105
文献出处：
引用格式：
[1]徐耀松;包力铭;管智峰;王雨虹;阎馨-.基于IPPA优化PNN的变压器故障诊断研究)[J].电子测量与仪器学报,2022(10):138-145
A类：
IPPA,寄生捕食算法
B类：
PNN,变压器故障诊断,诊断研究,故障诊断精度,概率神经网络,电力变压器,故障诊断模型,故障数据,数据降维,混沌反向学习,柯西变异算子,贝塔分布,线性递减,减函数,多策略,算法优化,平滑因子,分类精度,模型准确率,PSO,诊断性,自适应惯性权重
AB值：
0.222907
相似文献
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。
