自适应学习速率法在变压器故障诊断中的应用

为了提高电力变压器故障诊断的准确率,针对油中溶解气体分析,提出了一种基于误差自动调节修正因子的自适应学习速率法,使神经网络通过自身的误差变化过程自动调整学习速率修正因子,保证网络总是以最大的可接受学习速率进行训练,从而提高网络收敛速度。针对电力变压器故障气体及故障类型的特点,建立了电力变压器故障诊断BP（Back—Propagation）网络模型,应用该算法和原算法对该故障诊断网络模型进行训练。仿真结果表明,该算法的训练次数减少了35．4％,收敛速度提高了44．9％,有效地改善了网络模型的性能。将该算法应用于电力变压器故障诊断,能较为精确地判断出电力变压器的故障类型,故障诊断准确率达90．8％。     

基于综合关联度分析的电力变压器故障诊断

在电力变压器故障诊断中,针对油中溶解气体分析,传统的三比值法难以包括和反映电力变压器内部故障的所有形态,在实际工作中存在许多变压器故障因查不到故障编码而无法判断的问题。结合油中溶解气体分析技术和灰色关联的相关理论,提出了一种面积关联度和斜率关联度相结合的综合关联度分析方法,给出了变压器故障诊断的算法步骤,并对权重系数的选取进行了探讨。该方法既能表征序列曲线的离散程度,又能反映序列曲线的变化走向相似度,能全面描述序列间联系的紧密程度。实验表明,将该方法用于变压器故障诊断,不仅克服了三比值法存在的问题,而且故障诊断准确率也高于面积关联分析方法和斜率关联分析方法。在收集到的数据中随机选取350组进行计算,诊断准确率达到93．7％。     

基于改进模糊时间序列的变压器油中气体预测方法

对变压器油中溶解气体含量进行预测有助于及早发现变压器内部的潜伏性故障,且对于更好地实现状态检修有着重要的指导意义.针对变压器油中气体组分数据丰富、正常运行状态下各组分含量变化趋势不明显的特点,提出基于模糊时间序列模型的变压器油中气体组分预测方法.考虑到油中气体组分的变化是相互作用和影响的,从论域划分角度对经典模糊时间序列模型进行改进,提出基于空间模糊C均值(fuzzy C-means,FCM)论域划分的多因素模糊时间序列模型.通过实例分析证明该方法能很好地拟合油中气体组分的变化趋势,且与经典模糊时间序列模型及一维FCM划分模糊时间序列模型的对比分析,验证了改进模型在预测效果上的优越性.     

一种电力变压器神经网络故障诊断方法

电力变压器是电力系统的重要组成部分之一,它的安全运行对电力系统的可靠供电有很大的影响,本文对电力变压器故障诊断方法进行了研究.油中溶解气体分析法是诊断电力变压器内部故障的有效手段;最速下降算法是一种常用的神经网络局部寻优算法,在电力变压器故障诊断中收敛速度较慢,易陷入局部极小值;遗传膜算法具有并行计算的特点,用于电力变压器的故障诊断,很好地解决了神经网络在搜索过程中容易陷入局部最优的问题,具有更好的故障诊断速度.数值仿真结果验证了所给方法的有效性.     

基于灰靶理论的电力变压器状态评估新方法

针对电力变压器状态评估问题,提出了一种在没有标准故障模型的情况下变压器状态识别的新方法。该方法将灰靶理论引入变压器状态评估中,结合油中溶解气体分析技术,给出了变压器状态评估的算法步骤。同时对现有算法加以改进,用灰贡献度分析方法确定的油中溶解气体的加权系数代替均权。实验表明:该方法解决了在没有标准故障模型的情况下变压器状态识别的问题,为变压器状态评估提供了一种有效的新途径。     

电力变压器故障自动诊断系统的设计

对电力变压器油中的溶解气体进行分析可以及时发现变压器的潜在故障,从而实现对电力变压器故障的诊断.针对常见的电力变压器故障,设计了基于变压器油中溶解气体分析方法和粗糙集方法的故障自动诊断系统,该系统具有直观、方便、可扩展性好的特点,测试结果验证了该系统的有效性.     

基于线性判别分析和分步机器学习的变压器故障诊断

为了改善当前变压器故障诊断在特征量选取和使用单一诊断模型进行故障诊断上的不足,提高变压器故障诊断的准确率和效率,提出基于线性判别分析（LDA）的特征选取方法,建立基于分步机器学习的诊断模型. 该模型选取16组油中溶解气体体积分数比值的多特征参数,运用线性判别分析对参数进行降维作为输入特征向量;运用概率神经网络对变压器故障做出初步诊断,区分出易混淆故障;使用基于灰狼群算法优化的支持向量机对易混淆故障做进一步的区分. 最终实验诊断准确率为97.27%,诊断时间为4.87 s. 与单一机器学习模型相比,所提出的模型不仅具有更高的准确率,还具有更高的效率. 实例分析表明,本研究方法能有效弥补单一机器学习的缺陷,为故障样本有限情况下的电力变压器故障诊断提供参考.     

基于改进果蝇算法优化PNN的变压器故障诊断研究

为了提高电力变压器故障诊断准确率,通过分析变压器油中溶解气体数据,提出了一种定向变步长的果蝇算法(DVSFOA)与概率神经网络(PNN)相结合的变压器故障诊断模型。由于PNN的参数平滑因子对输出结果影响较大,对果蝇算法位置公式进行更新调整,对平滑因子进行参数寻优,将优化结果赋值给PNN模型进行网络训练,得到了用于变压器故障诊断的最佳网络模型。实验结果表明,该组合算法具有较高的诊断精度,收敛速度快,整体性能高。     

基于卷积神经网络的变压器故障诊断

针对传统机器学习算法在变压器故障诊断领域存在精度低、易误判等缺陷,提出一种基于卷积神经网络的电力变压器故障诊断模型。以油中溶解气体分析为基础,首先,将特征气体值由十进制转化为对应的二进制,然后,将其用二维数据进行表示,最后,将二维数据作为卷积神经网络的输入来训练、优化模型。结果表明,此模型的故障诊断精度和实时性均优于深度信念网络、支持向量机、人工神经网络,其在缩短变压器维修时间及提高电力系统可靠性上具有一定的优势。     

基于人工免疫方法的变压器故障诊断

将人工免疫方法引人变压器油中溶解气体分析,利用增加抗原、记忆抗体类别信息等方法对变压器故障样本进行学习,获取更多表征故障样本特征的记忆抗体集并进行分类．通过对变压器故障数据的仿真研究表明：与IEC三比值法相比,该算法具有较高的诊断准确率．     

FMS中加工质量故障预报的新方法

对引起加工质量故障的原因进行了研究,建立了用于加工中心加工质量故障分析的与/或故障树,提出了隐加工质量故障(FMQF)的概念和由·FMQF 找出制造系统故障的决策树方法.本文在模糊理论基础上,提出了隐加工质量故障识别的新方法,用这种方法可以根据控制图的变化进行设备状态估计.基于以上研究,建立了可用于柔性制造系统隐加工质量故障预测和预报的专家系统.     

立方准晶的反平面问题与Ⅲ型裂纹问题

发展了立方准晶材料的断裂理论 .通过应用Fourier分析和对偶积分方程理论 ,得到了立方准晶材料Ⅲ型裂纹问题的精确解析解 ,并由此确定了位移与应力场 ,应力强度因子和应变能释放率 .结果表明 ,应力强度因子与材料常数无关 ,而应变能释放率依赖于所有的材料常数 .这些为研究此新固体材料的变形和断裂提供了重要的信息 .     

Banach代数中的行列式理论

探讨了 Banach 代数中的行列式理论.给出了具有单位元的迹 Banach 代数具有行列式的充要条件.     

非织造布滤料性能及过滤过程的研究进展

对近年来非织造布滤料的研究进展做了简要综述,介绍了内部结构的研究及表征、过滤性能及其影响因素、过滤过程的计算机模拟,指出进一步发展所需要解决的问题。     

Genomics,metagenomics,and microbial oceanography—A sea of opportunities

Microbial oceanography is an emerging discipline resulted from the interaction,cross-fertilization and integration of life science and ocean science.Microbial oceanography integrates the principles of marine microbiology,microbial ecology and oceanography to study the role of microorganisms in the biogeochemical dynamics of natural marine ecosystems.The application of genomics tools to study marine microbes is resulting in rapid advancements in microbial oceanography that has important implications in globa...     

Information for Authors

正General Journal of Beijing Institute of Technology(JBIT),an English language journal sponsored by Beijing Institute of Technology,was established in 1992.JBIT mainly publishes research articles that reflect the latest achievements in basic theory and experimental studies in various engineering fields and in applied mathematics,mechanics,physics,chemistry,and so on.JBIT is listed in Ei,CA,SA,AJ,CSA,MR,ZM and many other abstracting indexes.     

Information for Authors

正General Journal of Beijing Institute of Technology(JBIT),an English language journal sponsored by Beijing Institute of Technology,was established in 1992.JBIT mainly publishes research articles that reflect the latest achievements in basic theory and experimental studies in various engineering fields and in applied mathematics,mechanics,physics,chemistry,and so on.     

Towards Excellence in Science Chinese Academy of Sciences

<正>May 26,2014,BeijingScience is a human enterprise in the pursuit of knowledge.The scientific revolution that occurred in the 17th Century initiated the advances of modern science.The scientific knowledge system created by human beings,the tremendous productivity brought about by science,and the spirit,methodologies and norms formulated in scientific practice since the 17~(th)Century have long become essential elements of     

SCIENCE CHINA Technological Sciences SUBJECT INDEX TO VOLUME 57(2014)

<正>~~     

Research on How to Teach Vocabulary by Adopting Morphological Method

On the basis of some theories and teaching experience, the thesis first attaches importance to vocabulary teaching and suggests that a morphological method should be applied. Supported by some examples, how to teach vocabulary in a morphological way is mainly discussed in the essay.