摘要
本发明公开了一种基于改进灰色神经网络的输电杆塔绝缘子故障预测方法,首先构建传统的灰色模型,其次将灰色理论和人工神经网络算法相结合,构建灰色神经网络模型并对其进行分析;最后在此基础上通过附加动量变学习速率法对灰色神经网络的权值更新策略进行改进,提出一种基于改进灰色神经网络的故障预测模型,从而了解到本发明所提出的基于改进灰色神经网络的输电杆塔绝缘子故障预测方法具有更好的预测精度。相对于传统的灰色神经网络模型,本发明所提出的基于附加动量变学习速率法改进的灰色神经网络模型,优化了灰色神经网络模型的性能,提高了模型的拟合能力和可靠性,对于提高输电系统的可靠性、降低运维成本和提升供电质量具有重要意义。
技术关键词
输电杆塔绝缘子
灰色神经网络模型
故障预测方法
人工神经网络算法
灰色模型
网络拓扑结构
序列
故障预测模型
样本
Sigmoid函数
速率
节点
预测误差
预测输出值
系统特征
输电系统
策略
系统为您推荐了相关专利信息
单体电池内阻
管理算法
充放电容量
标签
人工神经网络算法
改良土
无侧限抗压强度
路基
人工神经网络算法
试件
智能识别方法
人工神经网络算法
文本
计算机程序指令
信息处理网络
矿用高压配电装置
故障预测方法
时间序列分析方法
故障预测特征
多传感器数据融合
连续刚构桥
风险评估方法
桥梁监测技术
滑动时间窗
测试桥梁