摘要：基于径向基函数(Radial Basis Function,RBF)神经网络自身存在的不足与缺陷,设计了一种基于改进粒子群算法优化的RBF神经网络(IPSO-RBF)。通过动态自适应方式对粒子群(Particle Swarm Optimization,PSO)算法中的惯性权重进行更新,以达到优化RBF神经网络惯性权重的目的。最后,在Matlab中用IPSORBF进行诊断,并与RBF、PSO-RBF神经网络进行对比,结果表明,IPSO-RBF神经网络的收敛速度有所提高,诊断精度也提高到90. 8%,其中对短路、开路、阴影的故障识别率较高,而对老化故障的识别率较差只有82. 5%。

注：因版权方要求，不能公开全文，如需全文，请咨询杂志社