研究一种基于多频超声(MFU)技术和果蝇优化BP神经网络(FOA-BPNN)的变压器油密度检测方法,将基于超声波原理测得的变压器油多频超声数据作为BP神经网络输入,密度计滴定法测定的变压器油密度作为输出,训练BP神经网络建立多频超声数据与变压器油密度的映射关系,同时为避免传统BP神经网络进行预测存在泛化能力弱,易陷入局部最优解的缺点,提出运用果蝇优化算法FOA对BP神经网络的拓扑结构、权值和阈值进行寻优,使用寻优结果建立基于FOA-BPNN的变压器油多频超声波图谱与油密度的映射关系模型。实例验证结果表明,相比于传统的BPNN模型,使用FOA对BPNN进行寻优后的模型的识别准确度更高,测量误差更小,将该模型用于基于多频超声波检测技术的变压器油密度识别是可行的。