一种基于小波神经网络和小波技术的变压器噪声预测方法

摘要

本发明公开了一种基于小波神经网络和小波技术的变压器噪声预测方法，利用小波基函数取代传统BP神经网络隐含层神经元双曲正切S型激励函数，并在调整神经网络参数时引入动量因子，使得预测模型具有更快的收敛速度和更高的误差精度。利用小波分解技术对振动和噪声数字信号经行分解，将得到的小波低频系数作为预测模型的输入-输出对，当建模完成后，利用小波重构技术对预测得到的小波低频系数经行重构，得到预测的噪声数字信号。本发明不仅减少了训练样本的数量，缩短了神经网络中神经元的训练时间，而且还避免因变压器实测噪声数据中含有环境高频干扰噪声而导致预测效果差的问题。