10.16652/j.issn.1004-373x.2018.15.029
量子遗传算法在变压器故障诊断模型中的应用
传统的BP神经网络诊断模型容易陷入局部最优,且诊断正确率较低,因此,提出将量子遗传算法应用于RBF网络诊断模型.首先确定RBF神经网络的输入输出、建立RBF网络模型,然后把归一化后的数据送入RBF网络模型,利用量子遗传算法对RBF神经网络进行优化,得到最优诊断模型,最后输出诊断结果.用Matlab进行仿真,其结果表明该算法解决了系统容易陷入局部最优的问题,在训练48代后就快速获得最优解,加快了网络的收敛速度.同时RBF神经网络的泛化能力也得到很好的改善,故障诊断正确率达93%,远远高于传统神经网络模型.
变压器、故障诊断、BP神经网络、量子计算、RBF神经网络、量子遗传算法
41
TN98-34;TP391.9
国家自然科学基金项目61271402
2018-08-27(万方平台首次上网日期,不代表论文的发表时间)
共4页
129-132