注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. 基于GA-BP神经网络的变压器故障诊断

  2. 提出利用GA-BP神经网络的系统对变压器的故障诊断进行优化。利用GA遗传算法优化BP的初始权值,得到GA-BP神经网络。同时使用L-M算法训练GA-BP,使其可精确识别故障变压器内部的气体含量变化,并针对变压器故障诊断过程进行高效处理。GA-BP神经网络具备模糊算法,具有计算快速和判断准确等优点,可在很多的领域内保障电气安全,因而其具有良好的发展前景。

  3. 所属分类：其它

    • 发布日期：2020-05-18
    • 文件大小：1048576
    • 提供者：weixin_38750861

  1. 基于GA优化BP神经网络变压器故障诊断的研究

  2. BP算法基于梯度下降原理是一种局部寻优算法,在变压器故障诊断应用中网络学习过程收敛速度慢,且易陷入局部极小值。而遗传算法(GA)具有并行计算的特点,可以有效防止搜索过程收敛于局部最优解。将二者结合起来,由GA寻找最优的BP神经网络权值与相应节点的阈值。仿真结果表明:此方法既能快速收敛,又能大大提高避免陷入局部极小的能力,改善了故障诊断的精度和速度。

  3. 所属分类：其它

    • 发布日期：2020-06-30
    • 文件大小：248832
    • 提供者：weixin_38512659

  1. 基于GA-BP混合算法的电力变压器故障诊断方法

  2. 为解决BP神经网络在变压器故障诊断中存在的收敛速度慢,容易陷入局部最优点等缺点,采用了将BP网络和遗传算法相结合的方式,利用遗传算法的全局收敛性,优化BP网络的初始权值和阈值,再由BP网络进行调整搜索,同时采用了LM优化方法训练神经网络以提高网络精度,缩短训练时间,最后将训练好的网络应用到油中溶解气体分析技术中。

  3. 所属分类：其它

    • 发布日期：2020-06-30
    • 文件大小：256000
    • 提供者：weixin_38612648

  1. 基于GA与L-M优化算法的变压器故障诊断研究

  2. 利用MATLAB环境建立一个用于变压器故障诊断的ＢＰ网络模型。首先利用具有全局寻优功能的遗传算法对BP神经网络的初始权值和阈值进行优化，然后采用L-M（Levenberg-Marquardt）优化算法对BP神经网络进行训练，从而达到加快网络训练速度，避免训练过程陷入局部极小点的目的。最后，详细记录网络的实际输出，并与期望输出做对比研究，最终证实了此网络达到了设计要求，可用于变压器的故障诊断。

  3. 所属分类：其它

    • 发布日期：2021-01-31
    • 文件大小：975872
    • 提供者：weixin_38712899

  1. 基于改进PSO-BP混合算法的电力变压器故障诊断

  2. 将改进的粒子群优化(PSO)算法与误差反向传播(BP)算法相结合构成混合算法训练人工神经网络。改进的PSO算法中,惯性权重从最大到最小线性减小,以平衡局部和全局搜索能力,并将类似“选择”的概念引入PSO算法,使该算法更好地协调全局和局部搜索能力,有利于更快寻找到全局最优点。该算法有效地解决了常规BP算法学习网络权值和阈值收敛速度慢、易陷入局部极小和GA算法独立训练神经网络速度缓慢等缺点。将该算法应用于变压器故障诊断,仿真结果表明了该算法具有较快的收敛速度和较高的计算精度,满足电力变压器故障诊断的

  3. 所属分类：其它

    • 发布日期：2021-01-14
    • 文件大小：1046528
    • 提供者：weixin_38661650