[发明专利]一种变压器表面振动基频幅值预测方法

权利要求书

1.一种变压器表面振动基频幅值预测方法，其特征在于，包括：

获取原始样本数据，采用模糊C-均值聚类方法对原始样本数据进行优化，得到训练样本；

利用所述训练样本对广义回归神经网络进行训练，得到网络函数；

利用所述网络函数预测变压器表面振动基频幅值。

2.根据权利要求1所述的方法，其特征在于，所述采用模糊C-均值聚类方法对原始样本数据进行优化，得到训练样本，具体包括：

采用递归的方式将所有的原始样本数据x_j(j＝1,2…，n，n为样本数量)归并到c个簇C_i(i＝1,2…c)中，并求每组的聚类中心c_i和模糊隶属度u_ij(u_ij∈[0,1])使得非相似性指标的价值函数J达到最小，

其中，价值函数J为：

其中，d_ij＝||c_i-x_j||表示第i个聚类中心与第j个样本数据间的欧氏距离，且m∈[1,∞)是一个加权指数，

从c个簇中的每个簇中选取n个样本数据作为训练样本，n为大于等于1的正整数，用户可根据实际需求选取n的值。

3.根据权利要求1所述的方法，其特征在于，还包括：

基于预设的贡献率选择平滑因子，若第i个输入X_i的第j个模式层单元的神经元传递函数大于预设的贡献率，对第i个输入X_i的第j个模式层单元中的平滑因子进行优化，若第i个输入X_i的第j个模式层单元的神经元传递函数小于预设的贡献率，对第i个输入X_i的第j个模式层单元中的平滑因子不进行优化。

4.根据权利要求3所述的方法，其特征在于，所述对第i个输入X_i的第j个模式层单元中的平滑因子进行优化，具体包括：

对第i个输入X_i的第j个模式层单元的平滑因子σ_ij，预先设定σ_ij的变化区间[σmin,σmax]，其中，σ_min，σ_max分别对应σ_ij的上限和下限，定义λ_i为变化速率，则σ_ij的初始值可由下式确定:

其中，Δx_i(k)＝|x_i(k)-x_i(k-1)|，引入时变因素k(对应于第k个采样点)以上方法为σ分配了一个恰当的初始化值，但随着训练进行，该σ值并不是一个最优值，优化σ的目的就是为了减少预测的均方误差，采用误差反向传播修正权值的思想，对第i个输入X_i的第j个模式层单元在第k个采样点的平滑因子σ_ij作如下的调整:

其中，e(k)为预测值与实际值的均方误差，μ为σ_ij的学习率，μ的取值范围为(0.1，0.5)。