TP391
基金項目:國網(wǎng)山西省電力公司科學(xué)技術(shù)項目(晉電發(fā)展(2015)184號)
BP神經(jīng)網(wǎng)絡(luò )(Back Propagation Neural Network,BP-NN)具有良好的自學(xué)習能力以及自適應和泛化能力,但運算過(guò)程中容易陷入局部極小值,同時(shí)隱含層節點(diǎn)數的選擇也影響著(zhù)診斷的效果。文中根據經(jīng)驗公式縮小隱層節點(diǎn)數范圍,在小范圍里尋找最優(yōu)的隱層節點(diǎn)數。根據遺傳算法(Genetic Algorithm,GA)具有全局尋優(yōu)的特點(diǎn),用遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò )訓練的初始權值閾值,可以避免BP神經(jīng)網(wǎng)絡(luò )陷入局部極小的問(wèn)題。但是,傳統遺傳算法也有自身的缺點(diǎn),其在全局尋優(yōu)的過(guò)程中,易陷入“早熟”的問(wèn)題。為了解決傳統遺傳算法“早熟”現象,文中提出了一種協(xié)同進(jìn)化的遺傳算法,即使用3個(gè)種群同時(shí)進(jìn)化的遺傳算法,協(xié)同進(jìn)化遺傳算法不但可以避免傳統遺傳算法的“早熟”問(wèn)題,而且可以加強局部搜索提高運行效率。將協(xié)同進(jìn)化遺傳算法應用到BP神經(jīng)網(wǎng)絡(luò )中,仿真結果表明,該方法可以準確有效地診斷出變電站故障元件,提高變電站故障診斷過(guò)程中的容錯性及效果。
陳運蓬,趙飛.改進(jìn)的遺傳優(yōu)化BP-NN在變電站故障區域中的研究計算機測量與控制[J].,2016,24(8):13.
您是本站第 4754718 訪(fǎng)問(wèn)者
通信地址:北京市海淀區阜成路14號航天12院
電話(huà)/傳真:01068372068 68767886 68370689 68371556 E-mail:ck@chinamca.com
版權所有:計算機測量與控制 ® 2025 版權所有
京公網(wǎng)安備 11010802026262號