基于传统BP神经网络的变压器故障诊断方法,当网络模型达到一定的深度时,模型的诊断性能会趋向于饱和,无法进一步提升网络模型的诊断性能,此时加深网络模型的深度反而会导致模型的诊断性能有所下降。此外,在小样
为提高电力变压器故障诊断的准确性,提出一种支持向量机(Support Vector Machines,SVM)的故障诊断方法。该方法用添加最优保存策略的小生境策遗传算法对SVM进行参数优化,确保种群中
为克服BP神经网络算法在故障诊断应用中的缺点,提出了粒子群优化BP神经网络的方法,并在此基础上优化BP神经网络的结构来提高准确率。最后,通过对变压器故障诊断在Matlab中的仿真结果,验证了此方法有较
针对仅以油中溶解气体数据为主要依据的变压器故障诊断方法信息量不足以及传统证据理论的缺陷问题,研究了基于信息融合和多分类相关向量机(M-RVM)的变压器故障诊断模型。首先,将油中溶解气体分析数据与电气试
为解决BP神经网络在变压器故障诊断中存在的收敛速度慢,容易陷入局部最优点等缺点,采用了将BP网络和遗传算法相结合的方式,利用遗传算法的全局收敛性,优化BP网络的初始权值和阈值,再由BP网络进行调整搜索
变压器故障诊断实质上是属于一种模式识别,基于类内样本与类中心的距离的不同而对类中心的偏移产生不同影响的思想,改善了传统ART2网络存在模式飘移的不足。首先对变压器DGA故障样本的输入矢量进行扩展处理,
本文介绍如何在matlab环境中搭建PNN网络,并将其应用于变压器故障诊断中。我们为您提供了相关阅读文档,可供参考学习。通过使用PNN网络,我们可以更准确地诊断变压器故障,提高其可靠性和使用寿命。
电网故障诊断系统的设计方法的研究,刘童亮,刘道兵,本文介绍了一种基于.NET的三层结构的电网故障诊断与恢复处理系统的设计方法,介绍了基于.NET三层结构技术的基本概念及特点,结合实�
在仪器函数和吸收线型已知的情况下,提出了一种非线性拟合退卷积法,用于提高气体吸收测量的光谱分辨率.数值模拟和实际应用都表明:该方法用于室内气体吸收光谱的测量,在保持吸收线型不变的情况下,可以显著地提高
采用波长为1570 nm的激光器分析了天然气背景下的硫化氢气体, 通过自动化配气站产生了体积分数为0~10-4的硫化氢混合气体, 获取了92组稳定状态的光谱数据, 采用极限学习机(ELM)的回归模型反
