论文部分内容阅读
概率神经网络中反映整个样本空间的平滑因子。常以经验取值，缺乏足够的理论依据；对此提出一种自适应概率神经网络变压器故障诊断模型，针对作为自适应概率神经网络的激励函数的高斯函数，采用基于模拟退火思想的改进粒子群算法（sA—PSO）优化其平滑因子σ，从而提高概率神经网络诊断的识别率；通过搜集到92组故障数据进行仿真分析，其结果表明引入模拟退火过程后，粒子群算法的局部搜索能力得到了改善，并且使得SA—PSO算法优化下的自适应概率神经网络相对于单一PSO算法在变压器故障的诊断准确率上得到了较大程度的提高，从而保证变