[发明专利]基于粒子群算法的神经网络局部放电信号模式识别方法

摘要

本发明公开了一种基于粒子群算法的神经网络局部放电信号模式识别方法。该方法采用粒子群算法优化的BP神经网络作为分类器对局部放电信号进行识别。首先通过局部放电测试仪器实时的处理局部放电信号，缓冲储存一段局部放电信号，对储存的信号段经过特征提取形成特征值矩阵。对特征值矩阵降维、归一化处理后出入BP神经网络。由BP神经网络的正向计算，经过网络各层计算到输出层，反向过程中通过粒子群算法寻优后修正网络的权值和阈值，这里展示粒子群算法的全局搜索优势弥补BP算法在收敛上遇到的局部搜索问题，从而提高了BP网络的识别率，充分发挥了BP网络的局部放电模式识别能力。

主权项

基于粒子群算法的神经网络局部放电信号模式识别方法，其特征在于，所述模式识别方法包括：步骤S110、进行初始化参数；步骤S120、按照输入、隐层、输出、激励函数建立BP神经网络，随机生成一个粒子群Xi＝[xi1,xi2...,xiN]T，i＝1,2,...,n，每个粒子所包含的元素是BP神经网络上所有的权值W和阈值B，W和B中元素按一定前后顺序对应规则放在一维向量X中，式中，i是粒子的序号，n是粒子的种群数；步骤S130、通过BP网络计算每个粒子的评价函数的适应度值；初始化BP神经网络参数，把步骤S120中确定的粒子群的每个粒子所包含的权值和阈值分别带入到BP神经网络中；输入特征值矩阵到每个粒子的BP网络中得到训练输出向量yi，此时该粒子的适应度值为fi：L=Σp=1PΣj=1M(yijp-tijp)2,i=1,2,...,n]]>式中，yi为网络输出向量；ti为期望输出向量；M为向量的维数；n为种群的规模，p为导入的样本数；在步骤S140中，计算Xi(i＝1,2,...,n)对应的适应度值，对当前粒子的适应度值与先前的最佳适应度值进行比较，将二者中较小的值替换成当前粒子的局部极值；选择所有粒子适应度值最小的作为当前的全局极值；在步骤S150中，根据位置迭代公式和速度迭代公式，在每一次的迭代过程中更新每个粒子的速度和位置，其中，位置迭代公式：xid(t+1)＝xid(t)+vid(t+1)速度迭代公式：vid(t+1)＝ω(t)vid(t)+c1r1(pid‑xid(t))+c2r2(pgd‑xid(t))在步骤S160中，计算新粒子的适应度值，根据粒子群此时的各粒子适应度值按照步骤S140更新粒子个体极值和群体极值；在步骤S170中，满足最大迭代次数或者满足设定的误差标准后执行步骤S180，否则返回步骤S120；在步骤S180中，将粒子群算法得到的最优粒子所包含的权值和阈值赋给BP网络进行二次优化。