论文部分内容阅读
油中溶解气体分析（DGA）是判别变压器内部绝缘状况及发现内部潜伏性故障的重要手段．而多层前馈网络（MLFNN）是应用广泛的故障诊断模型。为此，提出了以DGA数据为特征参数的新型径向基函数神经网络（RBFNN）诊断变压器故障。在分析传统k-均值聚类算法RBFNN的缺点和最优聚类特性的基础上，介绍了RBFNN的新算法-自适应k-均值聚类算法，它既能避免传统k-均值聚类算法的局部收敛的缺点．又能动态调整学习率。最后．大量聚类实验结果显示自适应k-均值聚类算法在收敛速度和聚类性能上比传统k-均值聚类算法显著提高；