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診斷中的應(yīng)用

　　BP1為3層，其輸入量為7個第1到3輸入量為H2，總烴及C2H2測定量，第4到7輸入量為C2H2，H2，CH4與C2H4在總烴中所占的比例，隱含層20個，輸出量為6個，分別表示一般過熱（>500℃），局部放電，火花放電，電弧放電與過熱兼電弧放電;BP2也為3層，其輸入量為3個，隱含層12個，輸出量為9個，其輸入輸出含義見表2。BP1、BP2兩類在現(xiàn)場已有應(yīng)用，因此，其輸入、輸出及隱含層神經(jīng)元數(shù)量是由經(jīng)驗(yàn)給出的；由于現(xiàn)場條件的限制，BP3、BP4輸入量、輸出量的個數(shù)及隱含層數(shù)由根據(jù)現(xiàn)場實(shí)際所能提供的測定數(shù)據(jù)來確定，仿真中采用介質(zhì)損耗tgδ、直流電阻、吸收比、油位、水分的測量值作為輸入，網(wǎng)絡(luò)也采用三層結(jié)構(gòu)，其輸入層、隱含層、輸出層分別為3、10、6和2、8、5。BP神經(jīng)網(wǎng)絡(luò)采用文獻(xiàn)5所述的學(xué)習(xí)算法。由于BP算法存在收斂速度慢，學(xué)習(xí)精度低等問題，本文采用加動量因子，及不等權(quán)、半隨機(jī)初始解等方法加以解決，以加快收斂速度。
　　ART2神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)如3圖所示【9】：

　　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(yàn)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(yàn)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(yàn)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(yàn)，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(yàn)，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(yàn)，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(shí)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