在模式識別中，通常將分類器概括為貝葉斯((Bayes)分類器、線性分類器、非線性分類器、聚類分析分類器、模糊識別分類器等。根據(jù)對近10年局部放電模式識別具體應用情況的分析，我們主要介紹人工神經網(wǎng)絡分類器應用的概況。人工神經網(wǎng)絡是由許多具有非線性映射能力的神經元組成，神經元之間通過權系數(shù)相連接。人工神經網(wǎng)絡的信息分布式存儲于連接權系數(shù)中，具有很高的容錯性和魯棒性，而模式識別中往往存在噪聲干擾和輸入模式的部分損失，人工神經網(wǎng)絡的這一特點是其成功解決模式識別問題的主要原因之一。因此，人工神經網(wǎng)絡在局部放電模式識別中得到了最廣泛應用，并取得了良好的應用效果。
①BP神經網(wǎng)絡
BP神經網(wǎng)絡是一種有導師學習網(wǎng)絡，主要采用反向傳播((Back-propagation，簡稱BP)算法進行學習訓練。三層以上的BP神經網(wǎng)絡學習算法比較復雜，一般使用不多。在局部放電模式識別應用中，BP神經網(wǎng)絡得到了廣泛的應用。BP網(wǎng)絡的學習算法最常用的就是梯度下降法，但是存在訓練時間較長，且易陷于局部極小等兩個不足之處。
②自組織特征映射網(wǎng)絡
自組織特征映射(Self-organizing Map，簡稱SOM)網(wǎng)絡采用模擬大腦神經系統(tǒng)自組織特性映射功能進行競爭學習，是一種無監(jiān)督自組織學習網(wǎng)絡。它由輸入、輸出層組成，采用Kohonen算法學習，又稱Kohonen網(wǎng)絡。SOM網(wǎng)絡通過對輸入模式的反復學習，可以使連接權向量空間分布密度與輸入模式概率分布一致，因此可用于模式分類及特征檢測。SOFM網(wǎng)絡簡單，計算量也少，但是研究表明SOFM在PD信號模式識別中的識別率較低。③ART網(wǎng)絡
基于自適應共振理論(Adaptive Resonance Theory，簡稱ART)的神經網(wǎng)絡，其模型理論建立在人類的心理和認知活動基礎上。自適應共振理論網(wǎng)絡，用生物神經細胞自興奮與側抑制的動力學原理指導學習。有學者研究了自適應共振理論網(wǎng)絡在局部放電模式識別中的應用。ART的不足之處在于過分敏感，輸入有小的變化時，輸出變化很大。④遺傳神經網(wǎng)絡
遺傳算法(Genetic Algorithm，簡稱GA)是一種借鑒生物進化思想的高度并行、隨機、自適應搜索算法。有學者研究了遺傳神經網(wǎng)絡在局部放電模式識別中的應用。遺傳算法的算法較復雜，收斂于局部極小的較早收斂問題尚未解決。另外，研究人員應用正交小波神經網(wǎng)絡對局部放電統(tǒng)計特征進行了識別。小波神經網(wǎng)絡(Wavelet neural network，簡稱WNN)是小波理論與人工神經網(wǎng)絡相結合的一種前饋型網(wǎng)絡。其思想是用小波元代替了神經元，即用已定位的小波函數(shù)代替Sigmoid函數(shù)作激活函數(shù)，或者神經元之間的權值是小波變換函數(shù)，用通過仿射變換建立起來的小波變換與網(wǎng)絡系數(shù)之間的連接，并應用于函數(shù)逼近。小波神經網(wǎng)絡兼容了小波變換與神經網(wǎng)絡的優(yōu)越性，一方面，充分利用了小波變換的時頻局部化特性；另一方面，發(fā)揮了神經網(wǎng)絡的自學習特性，從而具有較強的逼近與容錯能力。但是小波神經網(wǎng)絡中同樣存在它的固有缺點一收斂速度慢、容易陷入局部極小。
關注微信公眾號