基于模糊神经网络的电力变压器故障诊断研究

将模糊控制和神经网络理论相结合,通过遗传算法对其参数进行优化,有效地解决了常规模糊理论不能自学习和神经网络算法易陷入局部极小、收敛速度慢等缺点,并对其应用于电力变压器故障诊断进行了仿真,实例仿真结果表明该算法具有较快的收敛速度和较高的计算精度,故障诊断结果证实了该算法应用于电力变压器故障诊断的有效性。     

基于PNN的电力变压器故障诊断方法

对油中溶解气体进行深入分析后,以改良的三比值法为基础,提出一种基于概率神经网络(PNN)的变压器故障诊断方法。该方法利用PNN的强大的非线性分类能力,将故障样本空间映射到故障模式空间中,可形成一个具有较强容错能力和结构自适应能力的诊断网络系统,从而提高故障诊断的准确率。仿真结果表明,实际案例数据验证了此方法准确率高,是一种有效的故障诊断方法。     

基于SSA优化BP神经网络的故障诊断系统研究

针对煤矿井下防爆电动无轨胶轮车故障问题,提出了一种基于麻雀搜索算法(SSA)优化BP神经网络的电动无轨胶轮车故障诊断方法.以电动无轨胶轮车永磁驱动电机为例,通过提取电机不同运行状态下的振动信号特征参数,将特征参数用BP神经网络和SSA-BP神经网络进行训练、仿真测试.测试效果表明:基于SSA-BP神经网络的电动无轨胶轮...     

基于遗传算法的电力变压器故障诊断研究

详细设计了一种电力变压器自动检测方法。首先研究了电力变压器故障分层诊断模型,然后阐述了基于油中溶解气体分析的变压器故障诊断国内外研究现状,最后就基于遗传算法和线性决策树的变压器绝缘故障诊断模型进行了深入的探讨,具有一定的参考价值。     

基于粗糙集理论的电力变压器故障诊断研究

粗糙集理论是一种较新的数据处理工具，可以有效地分析和处理不完备信息。运用粗糙集理论研究了因各种复杂因素造成的不完备信号模式下电力变压器故障诊断的方法。该方法利用油色谱分析得到的各种气体浓度百分比作为故障分类的条件属性集，考虑各种故障情况，建立决策表。利用决策表的约简方法进行化简，区分关键信号与冗余信号，导出故障诊断规则，从而达到不完备信号模式下快速准确地故障诊断的目的。通过实际应用表明，该方法简单、有效、具有良好的容错性能。     

基于HS-ELM的油浸式变压器故障诊断

针对ELM模型的预测精度受初始的输入权重W_i和隐含层偏置矩阵b_i的选择影响,运用和声搜索算法(HS)优化选择初始的输入权重W_i和隐含层偏置矩阵b_i,提出一种基于HS-ELM的油浸式变压器故障诊断方法。将5种气体体积分数数据(H_2,C_2H_2,CH_4,C_2H_6和C_2H_4)当作HS-ELM变压器故障诊断模型的输入特征参数数据,不同故障类别标签作为HS-ELM的输出,建立HS-ELM油浸式变压器故障诊断模型。研究结果表明,在各个故障类别的诊断正确率和总体正确率上,HS-ELM均要高于GA-ELM,ELM和IEC三比值法,有效提高了变压器故障诊断的正确率。     

基于置信规则库的电力变压器故障诊断模型

分析电力变压器不完备故障信息,利用置信规则库(Belief Rule Base,BRB)专家系统对电力变压器进行故障诊断.根据故障的决策属性,以最佳决策属性作为置信规则库专家系统的前提属性,建立故障诊断的置信框架.实验结果表明,基于置信规则库的电力变压器故障诊断模型,可以有效的区分电力变压器的多种故障,提高了故障诊断的...     

神经网络技术在变压器故障诊断中的应用

本文针对变压器传统故障诊断的缺点,提出将神经网络技术用于变压器故障诊断。本文对BP算法改进,使网络收敛速度和误差精度进一步提高。收集部分油中溶解气体故障数据样本,对变压器故障类型进行了分析,并确定网络的输入和输出向量,建立诊断网络模型,实现对各项网络参数的比较确定,在Mtalab里面仿真使误差满足要求。     

电力变压器故障诊断中模糊决策方法应用的初探

电力变压器故障诊断受众多因素的影响,集中存在大量的不确定因素。综合各方面因素,判断出变压器运行或检修状况的优劣变化,是变压器故障综合诊断所要求达到的目的之一。本文将模糊决策方法应用于变压器故障诊断中,为解决这一问题提供了一种新的尝试。     

基于模糊神经网络的故障诊断方法及应用

本文在变压器色谱分析数据的基础上,将模糊理论和神经网络引入电力变压器故障诊断中,提出了新的故障诊断方法,设计了故障综合诊断模型.仿真表明该方法是一种有效可行的方法,提高了故障的识别率,具有实用价值.     

基于动态聚类的电力变压器故障诊断

本文提出了一种新电力变压器故障诊断的动态聚类方法，以人工免疫网络对故障样本进行免疫学习和记忆，提取表征故障样本的有用特征作为核可能性聚类算法的初始聚类中心，再用遗传算法动态选取聚类个数和中心实现故障样本的分类。该诊断方法经大量实例分析，并将其结果与BP神经网络等方法的结果相比，表明该算法具有较高的诊断精度。     

基于提升小波和PNN的三容水箱故障诊断

针对三容水箱是典型的非线性多变量耦合系统,提出将提升小波和概率神经网络相集合(LWPNN)方法用于三容水箱液位故障诊断.首先,建立三容水箱数学模型以获取实验数据,之后利用提升小渡对数据快速降噪,最后通过概率神经网络进行故障分类.实验结果表明,LWPNN集合方法较传统PNN故障诊断方法有较高的故障诊断率,是一种有效的故障...     

基于BP神经网络的液压马达故障诊断

以液压系统中液压马达为研究对象,提出了一种基于故障表征的诊断模型,该模型无需建立被诊断对象的精确数学模型,只需以显性的故障表征作为诊断模型的输入,并为其建立BP神经网络模型,运用MATLAB给出该网络的训练过程及结果,并提供应用于液压马达的故障诊断实例.     

基于神经网络的压缩机故障诊断

对离心式空气压缩机动不平衡的故障问题，采用神经网络的BP(Back　Propagation)算法进行故障模式识别和诊断，并针对传统BP算法收敛速度慢，宜陷入局部最小的情况，从以下方面进行处理：其一，使用带动量改进型反向传播BP算法加快了收敛速度；其二，训练过程中对隐层和输出层采用了双曲正切阈值激励函数进行训练，解决了Sigmoid函数在0和1附近易陷入平坦区的情况。成功实现了故障样本空间到诊断数据空间的影射，并立在理论上给出了数学推导。     

基于遗传算法的BP神经网络滚动轴承故障诊断

针对滚动轴承的故障诊断问题,提出了一种基于遗传算法的BP神经网络滚动轴承故障诊断方法。以BP神经网络的误差为目标函数,利用遗传算法进行BP神经网络的权值和阈值优化,并用优化后的BP神经网络进行故障诊断。通过MATLAB仿真,结果表明遗传算法优化的BP神经网络相比传统的BP神经网络具有更好的诊断效率和准确度。     

基于神经网络的电动机逆变驱动系统故障诊断

针对电动机变频调速系统中逆变器开关元件故障类型多，传统故障诊断方法难以实现故障分离等情况，本文提出了一种基于神经网络的电动机变频调速系统故障诊断方法。通过对逆变器输出信号的谱分析可以获得对故障敏感的故障特征量，将这些故障特征量输入神经网络后，由网络输出层的结点输出可以判断故障类型，从而实现故障分离。研究结果表明，该方法可有效实现开关元件断路、短路故障，为进一步实现逆变器容错驱动奠定了理论基础。     

基于神经网络的数控机床故障诊断专家系统

针对传统专家系统在处理故障诊断中的不足,提出了将神经网络技术与专家系统融合的诊断模型,并用于数控机床的故障诊断中.介绍了诊断系统结构、功能及改进的BP神经网络算法,并给出了应用实例.试验结果表明,该方案合理、可行,有较好的应用前景.