基于改进遗传BP算法的电力变压器故障诊断

本文在改进的遗传算法中加入BP迭代,并应用于电力变压器的故障诊断。它有效地解决了常规的BP算法易陷入局部极小、收敛速度慢和基本遗传算法早熟等缺点。实例仿真诊断结果表明了这种算法具有较快的收敛速度和较高的计算精度,它能满足电力变压器故障诊断的要求。     

Box-plot-SA-BP：变压器DGA多参量故障诊断模型

油中溶解气体分析(DGA)方法是一种典型的充油电力设备故障诊断方法,广泛应用于电力变压器故障检测与状态评估,但由于样本数据的可靠性和诊断模型的有效性影响,导致DGA诊断方法准确率较低。文中提出了一种Box-plot-SA-BP模型,首先,采用Box-plot数据检测法去除异常数据以解决数据质量的问题,然后,利用自注意力机制(Self-attention, SA)准确捕捉多参量样本数据间的联系,提取更加稳定可靠的特征,最后设计BP网络多分类模型实现变压器故障诊断。对比实验证明了Box-plot-SA-BP模型的良好性能,具有较高的应用价值。     

基于深度神经网络的电力变压器故障诊断

为了提高基于溶解气体分析法的电力变压器故障诊断准确性,使用深度神经网络算法对溶解气体数据进行挖掘分析.通过基于模拟数据的对比实验表明,深度神经网络在电力变压器故障诊断应用中提供了优于其他机器学习算法的准确性.     

一种模拟退火小波网络的电力变压器故障诊断

关于电力变压器是电力系统的主要设备,变压器故障是危及电网安全的主要因素.在传统的故障诊断方法中,存在着易陷入局部最小和对初值依赖性较高的缺陷.根据油中溶解气体的故障诊断技术,为了准确及时检测电力变压器故障,提出对油中溶解的气体(H2,CH14,C2H2,C2H4,C2H6等)采用小波神经网络模型进行分析,对电力变压器进行故障诊断,同时引入了模拟退火算法对模型进行了结构和参数的优化,加快了训练收敛速度,避免了陷入局部极小值.进行仿真,结果表明了改进方法的有效性.     

一种多轨道动态隧道技术训练BP网络算法

BP算法训练神经网络具有训练易陷入局部极小,收敛速度缓慢的缺点.将动态隧道技术运用到训练BP网络上,可以有效的改进BP网络易陷入局部极小的缺陷,但是传统的动态隧道技术训练BP网络算法在隧道方向具有不稳定性.提出一种多轨道动态隧道技术训练BP网络算法,在原基础上,增加了隧道搜索方向,考察搜索方向之间的相互影响,有效的改进了原算法的搜索效率.还对提出的新算法进行了性能分析,通过两种数据集进行了实验验证,证明其性能优于传统的动态隧道技术训练BP网络算法.     

Kernel PCA与BP神经网络相结合的变压器故障诊断*

为了提高变压器故障诊断的准确率和抗干扰能力,提出一种基于核特征量的BP神经网络故障诊断模型。通过核主成分分析将故障样本从低维的特征空间非线性地映射到高维的核空间,提高了样本的可分性,然后以核特征量作为BP神经网络的输入特征量,建立变压器故障诊断模型。实验对比了结构相似、输入量不同的BP神经网络,结果表明采用核特征量的诊断模型具有更好的诊断效果和抗干扰能力。     

基于DCAE-SVM的变压器故障诊断

为了充分利用变压器油中溶解气体含量的特征信息,提高故障诊断准确率,提出基于深度收缩自编码器(DCAE)与支持向量机(SVM)相结合的故障诊断方法.使用无标签样本数据对收缩自编码器进行逐层训练学习,获取到高层特征表示并确定网络结构参数;通过用有标签样本数据对DCAE-SVM网络进行微调,确定最优网络参数并完成故障诊断.实...     

一种变压器故障诊断新方法

提出一个基于欧氏聚类（Euclidean Clustering,EC）和支持向量机（Support Vector Machine,SVM）的变压器故障诊断模型及其求解步骤。选择典型油中气体作为模型的输入参数,按照变压器常见的13种故障类型,利用训练集样本数据建立基于EC和SVM多分类的组合故障诊断模型。通过与其他组合诊断的方法进行比较证明了该模型的有效性。     

AFSA＋PSO混合算法在BP网络故障诊断中的应用

提出一种基于人工鱼群算法和粒子群算法混合训练BP网络的故障诊断系统.采用人工鱼群算法和粒子群算法结合算法训练神经网络权值,局部搜索速度快且保证全局收敛,有效克服了传统的BP神经网络收敛速度慢且容易陷入局部极值的缺点.将该网络用于齿轮箱故障诊断,并与传统BP模型用于故障诊断结果进行了比较,取得了较好的效果.     

基于改进BP算法的异步电机故障诊断

提出一种基于改进BP算法的异步电机故障诊断方法,不仅能够对电机的四种故障状态做分类识别,而且能够提高网络的收敛速度并避免其陷入局部极小.首先,根据故障特征向量与异步电机故障类别之间的映射关系,建立基于BP神经网络的故障诊断模型,然后利用故障样本对该模型进行训练与测试.仿真结果表明,该方法能有效地识别异步电机的四种故障类...     

基于模式相关的改进BP神经网络算法

针对传统的BP神经网络模式分类算法在各个网络输出值较为接近或者模式类之间的网络输出值接近的情况下容易发生误判的问题,提出一种基于模式相关的BP神经网络分类算法,并结合具体电路,运用该方法进行建模、仿真．实验结果表明,采用模式相关的BP神经网络分类算法能够充分利用网络输出层各个节点的所有输出,增强了网络的输出特性,便于正确、方便的进行模式分类,且分类效果良好,具有一定的通用性．     

具有容差的模拟电路软故障的BP网络诊断新方法

文中提出了利用K故障诊断法导出软故障的统一特征向量的方法,并提出了改进的BP算法,由BP网络结合故障字典法对模拟电路进行故障诊断。最后本文给出了仿真实例,实验证明所提出的方法与传统的方法相比有更好的实时性和诊断效率。     

基于改进BP神经网络的网络故障诊断研究

针对网络故障诊断过程中故障规则难以提取的问题,提出一种基于改进BP神经网络的故障诊断方法。以网络故障信息为样本对BP网络进行训练,利用其强大的自适应能力和非线性映射能力,建立起网络故障信息与故障模式输出之间的映射。同时,为了避免BP网络的学习算法陷入局部极小值,提高故障诊断的效率和精确度,采用L-M优化算法来对网络进行训练。另外,采取初期终止的方法提高BP网络的泛化能力。实例表明,该方法有效提高了网络故障诊断的有效性。     

基于改进BP神经网络的某型装备故障诊断专家系统

分析神经网络和专家系统的特点．提出基于BP神经网络与专家系统结合的某型装备的故障诊断方法,构造BP神经网络的装备故障诊断专家系统的诊断模型,克服传统专家系统在知识获取和表达的薄弱环节,并用某型装备的故障实际数据进存验证,结果表明神经网络与专家系统结合是一种有效的诊断方法。     

一种改进的复数BP神经网络算法研究

论文提出了复数BP神经网络的一种新结构和算法。算法的主要思想是将复值输人信号的实部和虚部分离,分别训练,使其达到稳定状态。其结构简单,易于实现,只需少量样本点却有很高收敛速度和精度。通过实验和仿真说明论文算法的有效性。     

基于BP神经网络的故障诊断技术研究

分析了传统的故障诊断方法的特点和缺点,在此基础上选择BP神经网络应用于故障诊断,详细探讨了BP神经网络的建模方法,根据设备的层次结构和特点,将集成神经网络应用于故障诊断,有效地克服了单一神经网络故障诊断的一些缺点,大大提高了故障诊断的效率和准确率.     

BP神经网络算法的改进及收敛性分析

研究BP神经网络的数学理论,详细分析几种流行的BP神经网络学习算法的优缺点.针对一般BP算法收敛速度慢,易陷入局部极小值的缺陷,受Fletcher-Reeves线性搜索方法的指引,提出基于改进共轭梯度法的BP算法.从理论方面对算法进行深入的分析,介绍算法的详细思路和具体过程.并将算法训练后的BP神经网络运用到函数逼近中去.仿真结果表明,这种改进方案确实能够改善算法在训练过程中的收敛特性,而且提高收敛速度,取得令人满意的逼近效果.     

基于BP神经网络的故障诊断模型研究

滚动轴承是旋转机械中最常用的部件之一。滚动轴承很容易损坏，而它的工作条件通常比较复杂，很难对其故障进行准确判断。为了提高滚动轴承故障诊断的有效性，构建了一种新的基于改进量子蜂群算法和BP神经网络的滚动轴承故障诊断模型（IQABC-BP）。首先针对量子蜂群算法在种群初始化和进化过程中存在的问题，提出了一种改进量子蜂群算法，然后利用改进量子蜂群算法对BP神经网络的初始权值、阈值和隐含层单元数进行优化，建立了一种具有超并行超高速的基于改进量子蜂群算法的BP神经网络模型，并应用于滚动轴承的故障诊断中。实验结果表明，IQABC-BP模型收敛速度更快，故障诊断效果更好，具有很好的应用价值。