改进的遗传优化BP-NN在变电站故障区域中的研究 |
| |
引用本文: | 陈运蓬,赵飞.改进的遗传优化BP-NN在变电站故障区域中的研究[J].应用声学,2016,24(8):13-13. |
| |
作者姓名: | 陈运蓬 赵飞 |
| |
基金项目: | 基金项目:国网山西省电力公司科学技术项目(晋电发展(2015)184号) |
| |
摘 要: | BP神经网络(Back Propagation Neural Network,BP-NN)具有良好的自学习能力以及自适应和泛化能力,但运算过程中容易陷入局部极小值,同时隐含层节点数的选择也影响着诊断的效果。文中根据经验公式缩小隐层节点数范围,在小范围里寻找最优的隐层节点数。根据遗传算法(Genetic Algorithm,GA)具有全局寻优的特点,用遗传算法优化BP神经网络训练的初始权值阈值,可以避免BP神经网络陷入局部极小的问题。但是,传统遗传算法也有自身的缺点,其在全局寻优的过程中,易陷入“早熟”的问题。为了解决传统遗传算法“早熟”现象,文中提出了一种协同进化的遗传算法,即使用3个种群同时进化的遗传算法,协同进化遗传算法不但可以避免传统遗传算法的“早熟”问题,而且可以加强局部搜索提高运行效率。将协同进化遗传算法应用到BP神经网络中,仿真结果表明,该方法可以准确有效地诊断出变电站故障元件,提高变电站故障诊断过程中的容错性及效果。
|
关 键 词: | BP神经网络,隐含层,遗传算法,协同进化,容错性 |
收稿时间: | 3/4/2016 12:00:00 AM |
修稿时间: | 2016/3/29 0:00:00 |
Substation Fault Zone Research Based on Improved Genetic Algorithm Optimization BP-NN |
| |
Abstract: | |
| |
Keywords: | |
|
| 点击此处可从《应用声学》浏览原始摘要信息 |
| 点击此处可从《应用声学》下载免费的PDF全文 |
|