Resumen

La red de enlace funcional vectorial aleatorio (RVFL) es adecuada para resolver problemas no lineales de sntomas de averas en transformadores y diferentes tipos de averas debido a su estructura simple y a su gran capacidad de generalizacin. Sin embargo, la red RVFL tiene la desventaja de que la estructura de la red y los parmetros estn determinados bsicamente por la experiencia. En este trabajo, propusimos un mtodo para mejorar el algoritmo de la red neuronal RVFL introduciendo el concepto de sensibilidad del nodo oculto, clasificando cada nodo de la capa oculta y eliminando los nodos con baja sensibilidad. La estructura simplificada de la red podra evitar nodos interferentes y mejorar la capacidad de bsqueda global. Los cinco gases caractersticos producidos por las averas de los transformadores se dividen en dos grupos. Se construy un modelo de diagnstico de averas de tres capas con cuatro clasificadores. Tambin se investigaron los efectos del nmero de nodos ocultos y los factores de escala en la capacidad de aprendizaje de la red RVFL. Los resultados de la simulacin muestran que el nmero de nodos implcitos de la capa tiene un gran impacto en el modelo de red cuando el nmero de dimensiones de entrada es pequeo. La red requiere un mayor nmero de neuronas de capa implcita y un rango de umbral ms pequeo. El tamao del factor de escala tiene una influencia significativa en el modelo de red con una dimensin de entrada mayor. Este artculo describe la base terica para la seleccin de parmetros en redes neuronales RVFL. Se derivan las bases tericas para la seleccin del nmero de nodos ocultos y el factor de escala. La importancia de la seleccin de parmetros para la mejora de la precisin del diagnstico se verifica mediante experimentos de simulacin en el diagnstico de averas en transformadores.

• Materias:Algoritmos (Matemáticas) Algebra Ingeniería Lógica matemática Matemáticas
• Subjects:Agorithms (Math) Algebra Engineering Mathematical logic mathematics
• Palabras claves:Enlace funcional vectorial aleatorio; Red RVFL; Problemas no lineales; Averías en transformadores; Modelo de diagnóstico de averías; Nodos ocultos
• Keywords:Random vector functional link; RVFL network; Nonlinear problems; Transformer faults; Fault diagnosis model; Hidden nodes