[发明专利]基于神经网络遗传算法的带均压环结构的绝缘子优化方法

权利要求书

1.一种基于神经网络遗传算法的带均压环结构的绝缘子优化方法，其特征在于，建立以均压环结构与位置为输入变量，以绝缘子沿面场强和均压环表面最大场强为目标函数的神经网络模型，建立输入变量和目标函数之间的映射关系，即F(E₁,E₂)＝F(R,r,h),式中，E₁为绝缘子沿面最大场强，E₂为均压环表面最大场强，R,r,h分别为均压环的环半径、管半径、罩入深度。

2.根据权利要求1所述的基于神经网络遗传算法的带均压环结构的绝缘子优化方法，其特征在于，所述均压环表面最大场强E₂的最大值E_2max满足起晕场强，即E_2max＝g(R,r,h)≤2.2kV/mm。

3.根据权利要求2所述的基于神经网络遗传算法的带均压环结构的绝缘子优化方法，其特征在于，所述神经网络训练样本是通过有限元法计算得到，然后把网络的输出值看成是个体的适应值，，用遗传算法的选择、交叉、变异等遗传算子来寻找系统的最佳输入值，使对应的最佳适应度值最优，从而找到最佳的均压环结构参数。

4.根据权利要求3所述的基于神经网络遗传算法的带均压环结构的绝缘子优化方法，其特征在于，所述均压环参数和输出的场强值在[0,1]归一化区间，归一化方法为：

设f为均压环任意结构参数，f_max和f_min为此参数的上下界，对于任意的f(x),如果此结构参数与E₁正相关，则归一化后的结构参数f_n(x)为：

fn(x)=f(x)-fminfmax-fmin,]]>

如果此结构参数与E₁负相关，则归一化后的结构参数f_n(x)为：

fn(x)=fmax-f(x)fmax-fmin.]]>

5.根据权利要求4所述的基于神经网络遗传算法的带均压环结构的绝缘子优化方法，其特征在于，所述绝缘子沿面最大场强E₁的变化区间取值范围为【0.12.5】kV/mm，均压环表面最大场强E₂的取值区间范围为【0.13.1】kV/mm。

6.根据权利要求4所述的基于神经网络遗传算法的带均压环结构的绝缘子优化方法，其特征在于，所述神经网络的隐含层的激活函数选Sigmoid函数：其中y为幂数，决定Sigmoid函数的陡度。