| 专利名称 | |||
|---|---|---|---|
| 基于改进自适应模糊神经网络的变压器故障预测方法 | |||
| 专利号 | 专利类型 | 技术领域 | |
| ZL202310243664.X | 发明专利 | 智能制造 | |
| 专利权年限 | 专利权人性质 | 专利权人 | |
| 20年 | 高校 | 常州大学 | |
| 描述/摘要 | |||
| 本发明涉及神经网络技术领域，尤其涉及基于改进自适应模糊神经网络的变压器故障预测方法，包括采集变压器油色谱数据，并对油色谱数据进行归一化处理；建立T‑S型自适应模糊神经网络模型；通过改进粒子群算法优化T‑S型自适应模糊神经网络的前提参数；预测的变压器故障类型，并对预测结果进行评估。本发明通过对传统粒子群算法进行改进并在后期跳出局部优化，解决T‑S型自适应模糊神经网络参数寻优能力弱、收敛速度慢、精度和效率低的问题。 | |||