排序方式： 共有2条查询结果，搜索用时 15 毫秒
1
1.
油中溶解气体是变压器故障诊断的重要依据,为了融合以及扩充变压器油中溶解气体含量的特征信息,提高变压器故障诊断准确率,本文提出了改进BP神经网络的SVM（Support Vector Machine）变压器故障诊断方法。首先,通过改进的BP神经网络将5维的气体特征信息进行融合并扩充到128维;然后,在改进的BP神经网络中使用每层提取的特征向量作为SVM的输入对变压器故障进行诊断,增加改进的BP神经网络中诊断准确率较高的特征向量的权重;最后,选择累积权重最大的特征向量作为输入,使用SVM进行变压器的故障诊断。该方法经过多层神经网络的映射使提取的气体特征信息融合及扩充后具有更加明显的特征区别,从而可以有效的提高SVM的诊断准确率。实验结果表明,本文所提出的算法与BP神经网络和SVM的变压器故障诊断方法相比诊断准确率有较大的提升。同时,随着训练数据样本的增加,模型的诊断准确率具有一定的提升。 相似文献
2.
不久前,青岛顺德塑料机械有限公司自主研发的75型平行双螺杆挤出机,以100%PET回收料作原料,产量突破了700 kg/h,达到708 kg/h。标志着公司生产的75型平行双螺杆挤出机在性能又上了一个新台阶,取得重大的技术性突破。公司研发人员针对PET回收料的特点,经过反复试验, 相似文献
1