基于“声音+BP神经网络”的变压器故障诊断

文中以基于“声音+”的变压器设备故障诊断技术为主线,重点分析“声音识别+神经网络”技术在变压器故障诊断中的应用。通过建立的BP神经网络模型,分别利用8种不同的BP算法分别对采用时域分析的变压器各故障声音进行训练,通过对比各算法的训练次数以及收敛精度,最终选定训练快捷的Levenberg-Marquardt算法进行进一步的故障诊断。预测结果显示,预测准确率高达95%,说明所建立的BP神经网络模型能够更好地对变压器各故障声进行准确识别,能够达到故障诊断的目的。     

基于有限元法的换流变压器温度场影响因素研究

为了研究换流变压器温度场分布及其影响因素,探索油流速度及内部结构对换流变压器温升的影响,本文基于有限元法,搭建了换流变压器内部二维简化模型,模拟仿真了磁场、流体场-温度场的多场耦合分布,探讨了流体场与温度场分布之间的关系,比较了不同入口流速对换流变压器绕组温升的影响,同时也研究了不同轴向油道宽度与绕组温升的关系,分析了不同的因素对换流变压器温度场的影响机理,对改善换流变压器的散热结构和绕组温升过热有重要意义。     

基于BP神经网络与GA算法的信息过滤模型研究

信息过滤技术是当前信息技术研究的一个热点。本文对BP神经网络和遗传算法在信息过滤技术中的应用,包括BP神经网络、遗传算法、文本特征提取、学习方法等,进行了研究和探讨。提出了一种基于BP神经网络和GA算法的信息过滤模型,实验结果表明,此模型运行可靠,过滤效率有明显提高。     

按摩电器绕组温升测试及控制方法探讨

简述在故障条件下按摩电器绕组温升过高的普遍现象。对按摩电器中的变压器绕组温升提出了多种控制方法以满足安全要求;阐述了利用电阻法测试电动机转子绕组温升存在的关键问题,分析了影响测量不确定度的因素,对正确测量电动机转子绕组温升提出了一些观点。     

基于神经网络的电力变压器故障性质诊断研究

本文利用BP神经网络针对电力变压器故障性质诊断进行了研究,建立了5-12-3型神经网络模型,对比多种改进的BP算法选择最佳的训练函数。经实际数据仿真验证该模型能准确快速地得到诊断结果,达到预期效果。     

简析电阻法测量变压器绕组温升

变压器温升测试已成为对各类电气产品的安全考核必不可少的项目,尤其是医用电气设备,而电阻法在测量变压器绕组温升的试验中有着深远的意义。本文以一次比对试验为例,介绍了采用电阻法测量变压器绕组温升的具体试验步骤和注意事项。     

变压器绕组温升测试及数据处理方法

该文详述了采用电阻法测量变压器绕组温升的方法及过程,并对断电瞬时电阻值R2的求得,对比了曲线拟合计算方法和MATLAB编程方法.经对比可得,MATLAB编程方法更为简单、便捷、准确,为变压器绕组温升测量的数据处理,提供了另一种可行的途径.     

基于改进BP神经网络的关联挖掘模型设计

针对传统BP神经网络的关联挖掘模型中关联挖掘方法和用户交互矛盾问题,提出一种基于改进BP神经网络的关联挖掘模型设计。采用改进的BP神经网络算法进行BP神经网络计算,解决了二次函数的非线性优化问题。运用优化的算法保证了适应度函数的选择能力,避免了阈值以及权值对BP神经网络的误差倒数的影响。为了验证所设计的基于改进BP神经网络的关联挖掘模型的有效性,设计了对比仿真实验,实验结果表明,提出的基于改进BP神经网络的关联挖掘模型设计能够有效地解决关联挖掘方法和用户交互矛盾问题。     

基于GA与L-M优化算法的变压器故障诊断研究

利用MATLAB环境建立一个用于变压器故障诊断的BP网络模型。首先利用具有全局寻优功能的遗传算法对BP神经网络的初始权值和阈值进行优化,然后采用L-M(Levenberg-Marquardt)优化算法对BP神经网络进行训练,从而达到加快网络训练速度,避免训练过程陷入局部极小点的目的。最后,详细记录网络的实际输出,并与期望输出做对比研究,最终证实了此网络达到了设计要求,可用于变压器的故障诊断。     

PSO-BP神经网络在语音干扰效果评估中的应用

为了克服BP神经网络在连续语音数据干扰效果评估过程中存在的弊端缺陷,提出一种利用粒子群优化算法神经网络的客观语音干扰效果评估方法。该方法利用Mel倒谱技术提取所得的连续语音数据特征参数作为模型输入,再通过粒子群优化对BP神经网络的初始权系进行多点优化,建立了粒子群算法优化的BP神经网络模型,通过优化后的神经网络模型实现输入值到对应主观评价MOS证,对比表明,粒子群算法优化后的BP神经网络模型,其收敛速度较传统BP在4%以内,模型相关系数和标准差更加接近理想参数。