排序方式: 共有7条查询结果,搜索用时 15 毫秒
1
1.
2.
3.
基于遗传神经网络的电子鼻在大气环境气体模式识别中的应用 总被引:7,自引:0,他引:7
基于模拟退火遗传神经网络的电子鼻已对二组分、三组分的混合气体模式进行了识别,识别精度及学习速度都较BP神经网络大为提高[1],但仍无法满足实用的要求.为了提高遗传神经网络对混合气体越限值的识别精度,本文在电子鼻已有的基础上提出分步分档识别法,在大范围内保证了识别准确性,提高了电子鼻的实用性.本文成功地将其用于四组分混合气体的精确识别.应用本方法的电子鼻既可用于正常环境气氛也可适用于危险气氛环境的气体模式识别.不同的档,其学习样本不同,识别精度不同.分档识别精度取决于学习样本的最小步长,最小步长越小,识别精度越高. 相似文献
4.
监测变压器绕组热点温度智能模糊传感器系统的研究 总被引:6,自引:3,他引:3
基于模糊神经网络技术构造了智能模糊传感器系统,并用于监测大型电力变压器绕组热点温度。模糊神经网络技术为顺系统设计提供了强有力的技术支持。进行了实验研究,结果表明,智能模糊传感器系统测试结果令人满意。 相似文献
5.
6.
7.
数据融合新技术在识别变压器油中四种特征气体的研究 总被引:17,自引:2,他引:15
通过将气敏元件阵列技术的遗传神经网络相结合,来检测电力变压器油中的4种微量故障特征气体(H2、C2H4、C2H2和CO)。实验结果表明,该技术的泛化能力较哟,但识别精度在某些值处达不到实用的要求。例如,针对变压器油中故障特征气体的临界值在电力变压器早期故障诊断中的重要性,遗传神经网络数据融合技术需对混合气体临界值的识别精度作进一步提高。并在已有的融合技术基础上提出了一种新技术一分步分档识别法,可在大范围内保证识别的准确性,提高数据融合技术的实用性。该方法既可用于正常环境气氛,也可适用于特殊故障气氛环境的气体模式识别。 相似文献
1