论文部分内容阅读
建立径向基函数(RBF)网络的关键是隐层神经元数目和隐层中心(中心向量和宽度)的确定。针对当前RBF 网络在上述参数确定,以及网络训练收敛性能和泛化能力等方面存在的缺陷,通过利用理想输出数据蕴涵的信息,以及引入减聚类算法和聚类划分方法中的迭代重定位思想,本文提出了一种混合聚类(Hybrid Clustering)算法作为RBF网络的训练方法,并将之用于4节点电网故障诊断。仿真结果表明混合聚类算法建立的RBF 网络能够以很高的准确率进行电网故障诊断。与实际应用中普遍采用的正交最小二乘算法相比,它建立的RBF网络的结构规模更小,泛化性能更好,故障诊断准确性大有提高。