鉴于将深度学习应用于变压器故障诊断具有良好的故障诊断效果,提出了一种基于栈式稀疏自编码器的矿用变压器故障诊断方法。通过在自编码器隐含层引入稀疏项限制构成稀疏自编码器,再将多个稀疏自编码器进行堆叠形成栈式稀疏自编码器,并以Softmax分类器作为输出层,建立矿用变压器故障诊断模型;利用大量无标签样本对模型进行无监督预训练,并通过有监督微调优化模型参数。算例分析结果表明,与栈式自编码器相比,栈式稀疏自编码器应用于矿用变压器故障诊断具有更高的准确率。
2021-06-29 15:07:54
425KB
1
变压器作为煤矿企业重要的电气设备,承担着电压变换、电流变换、阻抗变换、隔离等重任,其运行状态直接影响煤矿企业的安全生产和可靠性,在煤矿生产中发挥着不可替代的作用,但是在运行过程中不可避免产生一些故障。本文介绍了煤矿井下变压器的常见故障,并做了简要分析,针对出现的故障提出了常规以及智能诊断方法,以保证变压器的安全运行以及煤矿企业的正常供电。
2021-06-18 16:26:50
841KB
1
为了优化反向传播网络相关学习参数,提出一种粒子群优化辅助BP 神经网络(BPNN)的新方法.以变压器油中气体体积分数百分比构造故障特征,将BP网络的初始权值和阈值进行实数编码,以对应PSO中的粒子,实现BP网络的离线训练与在线分析,对变压器故障模式做出判断.结果表明,该算法更合理地更新了粒子的位置和速度,最优地设置了全局极值,有效克服了粒子的早熟收敛,获得的故障诊断准确率高达91%,并大大提升了BP网络的收敛速度.该算法为此类设计提供了有效的模型参考.
2021-05-22 10:22:02
744KB
1
matlab神经网络源码集锦- 概率神经网络的分类预测-基于PNN变压器故障诊断
2021-05-17 18:02:13
2KB
BP算法基于梯度下降原理是一种局部寻优算法,在变压器故障诊断应用中网络学习过程收敛速度慢,且易陷入局部极小值。而遗传算法(GA)具有并行计算的特点,可以有效防止搜索过程收敛于局部最优解。将二者结合起来,由GA寻找最优的BP神经网络权值与相应节点的阈值。仿真结果表明:此方法既能快速收敛,又能大大提高避免陷入局部极小的能力,改善了故障诊断的精度和速度。
2021-05-13 09:52:11
243KB
1
为克服BP神经网络算法在故障诊断应用中的缺点,提出了粒子群优化BP神经网络的方法,并在此基础上优化BP神经网络的结构来提高准确率。最后,通过对变压器故障诊断在Matlab中的仿真结果,验证了此方法有较高的准确率和较快的收敛速度。
2021-05-06 17:43:18
778KB
1