EFC-RBF神经网络算法研究与故障模式识别  

Study on EFC-RBF neural network algorithm and fault pattern recognition

作　　者：朱存[1] 倪远平[1] 

机构地区：[1]昆明理工大学信息工程与自动化学院,云南昆明650051

出　　处：《云南大学学报（自然科学版）》2009年第S2期182-186,共5页Journal of Yunnan University(Natural Sciences Edition)

摘　　要：对径向基函数(RBF)神经网络进行了理论分析,采用基于熵的模糊聚类(EFC)算法确定径向基神经网络的隐含层中心矢量,形成了EFC-RBF神经网络算法,并尝试将该算法用于变压器故障模式识别.仿真实验表明:EFC-RBF神经网络算法的训练过程比反向传播(BP)神经网络表现更优,实际故障数据验证其能够进行变压器故障模式识别,具有故障诊断的有效性.Based on analyzing radial basis function(RBF)neural network,using the entropy of fuzzy clustering(EFC)algorithm,we determined its hidden centric vector.Then the EFC-RBF neural network algorithm was formed and used to transformer fault pattern recognition.Simulation results showed that EFC-RBF neural network algorithm has better performance than the back-propagation neural network in training,and the actual fault data can prove that this algorithm is applicable to fault pattern recognition.

关 键 词：径向基函数神经网络 变压器 故障模式识别 熵 模糊聚类 

分 类 号：TP183[自动化与计算机技术—控制理论与控制工程]