基于模糊輸入的BP-ART2混合神經(jīng)網(wǎng)絡(luò)在電力變壓器故障綜合

　　自適應(yīng)共振理論ART2具有快速的學(xué)習(xí)算法，且無需大量樣本，在故障在線識別領(lǐng)域有很大的應(yīng)用潛力。圖3是典型的單ART2神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，適用于模擬向量輸入。網(wǎng)絡(luò)可分為注意子系統(tǒng)和調(diào)整子系統(tǒng)兩部分，前者完成輸入向量的相似度匹配及競爭選擇，后者檢驗輸入模式與長期記憶模式之間的相似度是否達(dá)到滿意的程度，并根據(jù)檢驗結(jié)果作出相應(yīng)處理，成功或重置。提取的特征向量Ii輸入F1層(比較層)。在F1層通過向量歸一化和非線性變換經(jīng)迭代得到穩(wěn)定的中層模式u，并經(jīng)p送入F2層(識別層)，由F2層經(jīng)競爭選擇激活F2層候選模式(本文中對應(yīng)故障類型)，得到系統(tǒng)的短期記憶。F2層的輸出經(jīng)長期記憶加權(quán)后反饋回F1層，反饋信息與u一起送入調(diào)整子系統(tǒng)，檢驗系統(tǒng)長期記憶模式與輸入模式的相似程度，若通過相似程度檢驗，則可確定輸入模式屬于F2層的候選模式，并按快速學(xué)習(xí)算法，一步完成權(quán)值的學(xué)習(xí)；若未通過檢驗，則強(qiáng)迫F2層重置并選擇下一輸出節(jié)點(diǎn)，若所有的輸出節(jié)點(diǎn)都不能通過匹配檢驗，則增加一個新的輸出節(jié)點(diǎn)即另一新類。

　　在應(yīng)用ART2時必須注意的是ρ(相似測度警戒限，為0到1之間的正數(shù))的選擇。ρ值決定了網(wǎng)絡(luò)對輸入模式進(jìn)行分類的間隔大小，直接影響分類性能。若ρ選得太小，分類粗糙，不能把不同故障類型區(qū)分開；若ρ選得太大，分類又太紉，則同一故障類型可能被劃分到不同輸出模式中，引起錯分。ρ的選樣沒有一定的規(guī)則，需要在具體應(yīng)用中調(diào)整。本文中ρ取0.5即可達(dá)到較滿意的分類效果。ART2網(wǎng)絡(luò)參考了文獻(xiàn)10所述的學(xué)習(xí)算法。

　　變壓器故障診斷過程屬于一個非平穩(wěn)、非線性的隨機(jī)過程。在學(xué)習(xí)階段，通過對足夠量的樣本訓(xùn)練，逐層調(diào)整接點(diǎn)權(quán)重和閾值，直至誤差達(dá)到精度要求。在工作期間，投入不同的測試樣本，進(jìn)行故障診斷模式識別，最終實時判別故障類型和故障可能發(fā)生的位置。

4.知識處理
4.1特征氣體的模糊知識表示

4.2三比值法模糊知識表示
　　參照表2，采用升半正態(tài)分布函數(shù)，可以具有對較弱數(shù)值持不敏感態(tài)度，而對足以淹沒噪聲的較大數(shù)值，持較敏感態(tài)度。分布函數(shù)如上公式所示。

4.3電氣試驗數(shù)據(jù)的模糊處理