直觉模糊集是对Zadeh模糊集理论最有影响的一种扩充和发展,它同时考虑了隶属度、非隶属度和犹豫度三个参数,因此它比传统的模糊集在处理模糊性和不确定性等方面更具灵活性和实用性。将人工神经网络的学习能力与直觉模糊逻辑的不确定推理能力结合起来,即可建立一个直觉模糊神经网络。电力变压器是电力系统的重要主设备,研究电力变压器的故障诊断技术具有重要的现实意义,而将各种智能方法结合使用已成为变压器故障诊断方法发展的必然趋势。基于以上几点,本文研究直觉模糊神经网络的设计,并将其应用于电力变压器的故障诊断技术中。首先介绍了模糊神经网络技术和直觉模糊集理论,分析了基于T-S模型的模糊神经网络的结构和学习算法,在此基础上,通过直觉合成的方式实现了直觉模糊神经网络的设计,并用标准数据集对其进行测试。然后,介绍了变压器故障诊断的DGA方法,并选取故障数据样本,建立了基于直觉模糊神经网络的故障诊断系统,给出了具体实现过程和数据结果。最后将该系统的数据结果与传统模糊神经网络进行了对比分析,结果证明本课题设计的直觉模糊神经网络用于故障诊断是可行的,并且诊断的准确率比传统的模糊神经网络以及ANFIS(自适应神经模糊推理系统)均有所提高。