买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉常州大学申请的专利基于改进自适应模糊神经网络的变压器故障预测方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN116298037B 。

龙图腾网通过国家知识产权局官网在2025-09-26发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202310243664.X，技术领域涉及：G01N30/86；该发明授权基于改进自适应模糊神经网络的变压器故障预测方法是由乐效鹏;史兵;李嘉诚设计研发完成，并于2023-03-14向国家知识产权局提交的专利申请。

本基于改进自适应模糊神经网络的变压器故障预测方法在说明书摘要公布了：本发明涉及神经网络技术领域，尤其涉及基于改进自适应模糊神经网络的变压器故障预测方法，包括采集变压器油色谱数据，并对油色谱数据进行归一化处理；建立T‑S型自适应模糊神经网络模型；通过改进粒子群算法优化T‑S型自适应模糊神经网络的前提参数；预测的变压器故障类型，并对预测结果进行评估。本发明通过对传统粒子群算法进行改进并在后期跳出局部优化，解决T‑S型自适应模糊神经网络参数寻优能力弱、收敛速度慢、精度和效率低的问题。

本发明授权基于改进自适应模糊神经网络的变压器故障预测方法在权利要求书中公布了：1.基于改进自适应模糊神经网络的变压器故障预测方法，其特征在于，包括以下步骤： 步骤一、采集变压器油色谱数据，并对油色谱数据进行归一化处理； 油色谱数据中的输入数据包括：氢气、甲烷、乙烷、乙烯、乙炔； 步骤二、建立T-S型自适应模糊神经网络模型； 步骤三、通过改进粒子群算法优化T-S型自适应模糊神经网络的前提参数； 步骤三具体包括： 步骤31、确定种群规模、粒子维数、总迭代次数T及惯性权重的最大值和最小值，设置改进惯性权重函数W和改进学习因子函数C，初始化粒子位置和速度 ；其中，表示当前粒子的标号，d表示维数的标号，D表示粒子的总维数，前提参数通过当前粒子Xi的位置向量表示； 改进惯性权重函数的公式为： 其中，和分别表示的最大值和最小值，表示粒子的适应度值，和分别表示目前所有粒子的平均适应度值和最小适应度值，表示（0,1）间的随机数，表示粒子在第次迭代时与粒子总迭代次数的比值，； 改进学习因子函数的公式为： 其中，和分别表示自身学习因子和群体学习因子，表示粒子在第次迭代时与粒子总迭代次数的比值：； 步骤32、计算每个粒子的适应度值，将粒子当前位置的适应度值与其经历过的最优位置 的适应度值比较，若更优，则将其替换为当前最优位置，否则不变；将粒子当前位置的适应度值与群体经历过的最优位置的适应度值比较，若更优，则记录粒子序号并将其替换为群体最优位置，否则不变；其中，为个体最优位置，为全局最优位置，表示当前粒子的标号，d表示维数的标号，表示粒子的总维数； 步骤33、根据粒子群算法的惯性、速度和收敛域判定公式更新每个粒子的当前位置和速度；检查粒子的位置和速度是否越界，若越界，则排除越界并更新粒子的位置和速度；检验迭代次数是否达到最大值或是否达到设定的最小误差的要求，若满足，则停止迭代并输出最终训练得到的前提参数，并作为T-S型自适应模糊神经网络的初始参数，完成对T-S型自适应模糊神经网络的前提参数的优化；若不满足，则跳转到步骤32重新迭代； 步骤四、预测的变压器故障类型，并对预测结果进行评估。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人常州大学，其通讯地址为：213000 江苏省常州市武进区滆湖路1号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。