首页 | 本学科首页   官方微博 | 高级检索  
相似文献
 共查询到19条相似文献,搜索用时 156 毫秒
1.
基于粗糙集与模糊神经网络的变压器故障诊断方法   总被引:7,自引:4,他引:7  
将基于粗糙集理论的模糊神经网络,应用于变压器故障诊断中,充分利用粗糙集理论对知识的约简能力模糊神经网络优良的分类能力,首先利用粗糙集方法对原始数据进行约简,形成精简的规则集,以此基础构建的模糊神经网络结构完全是由粗糙集最终约简规则决定的,具有良好的拓扑结构,网络规模大大减少,学习速度大为提高,而且保持了网络较好的分类能力。  相似文献   

2.
针对变压器故障的复杂性、模糊性以及模糊集理论、神经网络和粗糙集理论的优缺点,利用粗糙集理论的属性约简和规则生成能力和模糊神经网络在模式识别方面具有容错和分类优势。采用粗集理论对采集到的变压器油中溶解气体数据形成的规则进行约简处理,建立精简的规则集,根据规则集建变压器故障诊断的神经网络模型,采用自适应遗传算法优化神经网络连接的权值,通过仿真验证了该网络较好的诊断性能。  相似文献   

3.
粗糙集挖掘方法进行故障诊断的过程中,训练易陷入局部最优解,导致电力变压器故障挖掘诊断算法不适用于解决实际工程问题。提出基于RBF神经网络与粗糙集的挖掘电力变压器故障诊断方法,利用RBF神经网络收敛速度快、泛化能力强等特点,对故障数据进行训练。依据给出的训练样本特征获取所求概率密度函数的统计值,将改进后的数据发送至粗糙集。在保证系统分类能力的条件下,依据分类规范,实现电力变压器故障挖掘诊断,对采集到的100组电力变压器故障数据进行仿真分析。结果表明,所提方法的局部搜索能力明显优于传统方法,所提方法在变压器故障的诊断准确率上大大高于传统方法,保证了电力变压器运行的安全性与可靠性。  相似文献   

4.
基于粗糙集理论的电力变压器故障诊断方法   总被引:30,自引:8,他引:30  
鉴于电力变压器信息的不完备性及复杂性,基于粗糙集理论提出了一种能较好处理不完备信息的变压器故障诊断模型。基于对大量电力变压器故障征兆及故障类型的分析统计,利用粗糙集进行约简以获取诊断规则。文中详细阐述了在获得各类信息情况下如何利用该模型进行故障诊断;即使缺少某些关键信息时,该模型也能结合欧式距离、神经网络和模糊数学三种方法对约简进行综合匹配,再利用相应的约简及规则集作出故障诊断。该模型还可通过丰富训练样本、修正决策表的自我完善方法使诊断效果不断提高。实例也表明了该方法的有效性。  相似文献   

5.
基于粗糙集-神经网络系统的电力电子电路故障诊断   总被引:6,自引:0,他引:6  
基于粗糙集理论RST(Rough Set Theory)与BP神经网络系统,提出了电力电子电路故障诊断的方法:粗糙集-神经网络系统相结合的方法。叙述了粗糙集-神经网络系统诊断电力电子电路的过程。以三相可控整流电路为例,对故障信息中样本的故障征兆进行数据预处理,通过知识约简,形成诊断的确定性规则,实现故障分类;然后将粗糙集的分类结果与故障信息中的输出电压Ud采样值作为神经网络的输入,实现故障元的定位。仿真实例表明,该方法不仅准确可靠,而且提高了系统诊断的速度。  相似文献   

6.
模糊粗糙集理论在变压器故障诊断中的应用   总被引:2,自引:0,他引:2  
提出一种改进的三比值变压器故障诊断方法。以模糊粗糙集为数学基础建立信息决策系统,采用数据挖掘技术解决这一建立过程中的若干问题。考虑到信息源的连续取值对模糊粗糙推理的影响,利用模糊集方法处理连续取值型属性。利用数据库知识发现技术挖掘数据库中隐含的聚类信息,设置属性的模糊取值并确定隶属函数。并在此基础上基于包含度对模糊规则进行约简和剔除。设计了适用于模糊粗糙规则提取的数据挖掘算法,从数据库中提取规则,按属性集建立多表决策库的拓扑结构。诊断结果表明,该决策库故障正判率较高,模糊判断规则适应现场条件。  相似文献   

7.
针对变压器故障诊断神经网络模型存在网络结构复杂、训练时间长等问题,提出基于粗糙集及RBF神经网络的变压器故障诊断方法。运用粗糙集理论中无决策分析,建立基于可分辨矩阵和信息熵的知识约简算法,进行数据挖掘,寻找最小约简;以处理后的数据集合作为训练样本,采用高斯函数作为径向基函数,分别求解方差及各层权值,建立变压器故障诊断模型。通过测试对比,此算法虽然略微降低诊断正确率,但网络结构简单、训练速度快、泛化能力强,对提高神经网络在变压器故障诊断中的应用性能有较好的指导意义。  相似文献   

8.
正将聚类PSO优化粗糙集-神经网络算法引入水电机组故障诊断中,利用聚类算法和PSO算法的优点改进粗糙集属性约简方法并对水电机组故障的检测信息进行约简,提取对故障分类起主要作用的信息,并用BP神经网络对粗糙集处理后的故障信息进行诊断。该方法降低了神经网络的输入信息空间维数,简化神经网络结构,有效提高故障诊断的准确性。通过对水电机组振动故障数据进行诊断分析,  相似文献   

9.
为了准确有效识别变压器故障模式,将粗糙集和量子神经网络结合进行变压器故障诊断。采用量子神经网络在宏观上收集数据信息,在微观上通过修正量子间隔将模糊交叉的数据按一定的比例合理分配到相关联的模式中,从而提高模式识别的准确性;利用粗糙集的约简去除冗余的属性、规则,提高量子神经网络的速率。与同输入下BP神经网络的诊断结果进行比较,可知本文方法在变压器故障模式识别方面具有更高的准确性。  相似文献   

10.
大电力系统可靠性评估的软计算模型   总被引:3,自引:0,他引:3  
为减少大电力系统可靠性评估中偶发事件的潮流计算次数,提高故障模式识别率,将粗糙集与神经网络、遗传算法有机融合,提出了电力系统偶发事件模式识别的软计算模型--粗神经网络融合模型(RNNIM)和基于RNNIM的电力系统可靠性评估算法.首先利用粗糙集方法约简RNNIM的输入变量,提炼样本,提取事件类与系统状态关系的概略化规则集;其次利用概约化规则集建立RNNIM,用遗传学习算法训练网络.以RBTS和IEEE-RTS79测试系统为例,说明所提模型是正确、可行和有效的.  相似文献   

11.
In this paper, a rough set (RS) and fuzzy wavelet neural network (FWNN), integrated with least square weighted fusion algorithm based fault diagnosis for power transformers, using dissolved gas analysis (DGA) is proposed. This approach takes advantage of the knowledge reduction ability of rough set and good classified diagnosis ability of FWNN, integrated with least square (LS) weighted fusion algorithm. The rough set is used as a front of FWNN, integrated with LS weighted fusion algorithm to simplify the input of FWNN and mine the rules whose “confidence” and “support” satisfy a preset criteria. The mined rules are used as a diagnosis knowledge base to offer fault diagnosis service for power transformers. FWNN, integrated with LS weighted fusion algorithm, is used to diagnose the case that cannot be diagnosed by mined rules by rough set. The FWNN input is simplified by rough set reduction, and its learning rate is improved greatly. FWNN, integrated with LS weighted fusion algorithm, on one side, can much better improve the diagnosis accuracy, when the output vector of single FWNN has the similar element. On the other hand, its diagnosis accuracy cannot be limited by the neural network hidden layer number and correlated training parameter. The mechanism has good classified diagnosis ability. The advantages and effectiveness of this method are verified by testing.  相似文献   

12.
融合粗糙集和模糊聚类的连续数据知识发现   总被引:49,自引:6,他引:49  
知识自动获取是困扰基于知识的系统普遍推广应用的瓶颈,粗糙集理论是一种从历史数据中发现规则知识的数学工具。该文针对粗糙集方法应用于电厂与电力系统数据挖掘中存在的连续属性离散化问题,提出了基于模糊聚类的离散化方法。采用模糊C平均(FCM)算法离散连续属性,获得各类的聚类中心以及属性值隶属于各聚类中心的隶属度矩阵,得到离散化的数据。将粗糙集方法应用于离散化后的数据挖掘隐含在历史数据中的知识。最后进一步讨论了置信度、支持度等指标对规则的评价方法。给出的汽轮机轴系振动故障诊断规则获取算例验证了整个知识发现方案的可行性。  相似文献   

13.
传统电力变压器设备运维大多采用状态检修技术,但积累的状态监测和检测数据没有得到充分挖掘利用,造成信息资源的浪费。以故障特征量为前项,以故障类型为后项,设置最小支持度和最小置信度,运用Apriori数据挖掘经典算法挖掘出变压器故障和关键状态量之间的关联规则。基于关联规则挖掘原理,利用SPSS Modeler软件平台建立电力变压器故障关联规则挖掘模型进行分析,得出了故障诊断的具体流程,旨在采取关联规则挖掘的方法发现状态特征量和故障类别之间的内在联系,对故障进行判定。  相似文献   

14.
基于模糊粗糙集数据挖掘的汽轮机组故障诊断研究   总被引:2,自引:0,他引:2  
针对当前专家系统知识获取瓶颈的难题,提出了基于模糊粗糙集数据挖掘的汽轮机组故障诊断方法。模糊粗糙集理论把知识直接与真实或抽象世界有关的不同模式联系在一起,能有效分析处理不精确、不完整等各种不完备信息,并从中发现隐含的知识,揭示潜在的规律。将汽轮机组故障历史数据进行模糊化及离散化处理,构建故障诊断决策表,以决策表作为主要工具,即"知识库",采用模糊粗糙集数据挖掘方法直接从决策表中提取出潜在的诊断规则,为汽轮机组提供有效的故障诊断。提出了基于模糊粗糙集的分类规则学习和约简算法,实现了基于模糊粗糙集数据挖掘的汽轮机组故障诊断系统,其诊断正确率达到了88%。实验表明该方法可行,对汽轮机组故障诊断系统的设计具有借鉴意义和深入研究的价值  相似文献   

15.
采用粗糙集联合规则挖掘算法的分布式电网故障诊断   总被引:4,自引:0,他引:4  
鉴于传统的人工智能技术在大电网故障诊断应用中存在的局限性,采用分布式的思想来解决该问题,并提出一种基于粗糙集理论的联合规则挖掘算法,该算法能够有效地从分布式信息系统中提取联合规则。为了更好地解决电网故障诊断问题,构建了基于该联合规则挖掘算法的分布式电网故障诊断模型。该模型不仅能够有效地诊断各局部电网内部的故障,而且能够有效地诊断各局部电网之间联络线的故障,弥补了分布式电网故障诊断中联络线故障诊断规则不足的缺陷。对大电网进行分割,不仅能够有效识别各类复杂故障,而且也使得每个局部电网决策表的规模大为减小,同时联合规则挖掘算法也显著地降低了规则提取的复杂度,解决了粗糙集理论在大电网故障诊断中遇到的瓶颈问题。算例表明该方法简单、有效、速度快、容错性好。  相似文献   

16.
基于RBFNN的高压输电线路故障诊断   总被引:3,自引:0,他引:3  
本文在对电力系统故障诊断方法进行分析的基础上,利用径向基函数(Radial Basis Function-RBF)网络适合于求解模式识别问题的优势,提出了应用RBF神经网络(简称RBFNN)来实现高压输电线路的故障诊断,建造了基于RBFNN的高压输电线路故障诊断模型结构,并且给出了确定RBF网络最佳聚类数的标准.仿真分析及容错性测试结果表明,本文所提方法能有效地实现高压输电线路系统的故障诊断,而且在网络的训练速度以及对因干扰而畸变的输入信息情况的容错能力方面都优于传统的BP神经网络,对实时信息处理系统具有一定的适用性.  相似文献   

17.
采用粗糙集理论分析电站故障诊断决策表属性的重要性 ,在设计阶段用于指导诊断系统对相关输入信号的取舍 ,是分析解决诊断系统输入信号缺失问题的有效方法。根据粗糙集对条件属性的分析 ,在故障诊断专家系统中选择冗余规则 ,使诊断系统在运行中具有对单一非核属性信号失效的容错能力。以 30 0MW机组凝汽器故障诊断为例 ,对粗糙集理论的实际应用作了说明  相似文献   

18.
将电力变压器故障历史数据首先进行模糊化及离散化处理,然后构建故障诊断决策表,以决策表作为主要工具,即"知识库",采用粗糙集数据挖掘方法直接从决策表中提取出潜在的诊断规则,为电力变压器提供有效的故障诊断.  相似文献   

19.
将基于粗糙集的默认规则挖掘算法(Mining Default Rules Based on Rough Set,MDRBR)用于电力系统短期负荷预测,首先采用基于Gini指标的粗糙集离散化算法对气温、湿度等影响负荷的条件属性进行离散化,同时兼顾了条件属性和决策属性。在此基础上,通过计算规则的信赖度和支持度形成不同层次上符合初定阈值的带粗糙集算子的网络规则集,能减少因噪音的影响而产生的多余规则,提高规则产生和实际分类的效率,使所产生的分类规则集大大缩小,提高在使用规则时检索规则的效率。在负荷预测时自上而下逐层搜索规则网直至找出与所给信息相匹配的规则。粗糙集算子反映了规则的重要程度,同时作为选择规则的标准。实际应用表明,该方法能有效去除噪音,提高默认规则的挖掘效率,从而提高负荷预测的精度,具有一定的实用性。  相似文献   

设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号