针对油浸式变压器故障类型的复杂难辨,结合油中气体分析法,提出一种基于改进人工鱼群算法优化小波神经网络的故障诊断模型。基于经典三层小波神经网络,采用粒子化的人工鱼群算法对小波神经网络输入和输出层的权值、小波神经元的伸缩和平移系数进行修正,通过引入动态反向学习策略实时优化人工鱼分布,迭代后半程采用基于柯西分布的自适应人工鱼视野范围提高算法精度。结果表明,该改进鱼群算法优化的小波神经网络相比标准粒子群算法优化小波神经网络和标准鱼群算法优化小波神经网络,诊断速度更快,准确率更高。

为有效克服人工鱼群算法容易陷入局部最优的影响,通过视野和步长的优化,促使在迭代次数增加的过程中,从全局搜索逐步转向精细搜索,避免算法出现部分最优的情况。仿真实验证明了这种改进人工鱼群算法优化小波神经网络可以有效地提升矿用变压器故障诊断的精度,提高了诊断效率。