基于极限学习机的变压器故障快速识别
针对基于传统神经网络的变压器故障识别诊断方法存在网络收敛慢、易陷入局部极小点和网络参数难确定的缺点，提出了一种基于极限学习机的电力变压器故障快速识别方法。该方法以变压器油中用于故障类型分析的5种主要溶解气体含量作为输入特征量，5种常见变压器状态作为输出量建立分类识别模型。实验结果显示，该方法的识别准确率比支持向量机高12.5%，识别速度是支持向量机的2.6倍，比概率神经网络快5.5倍以上，表明该方法对变压器故障的识别快速而有效。
文件下载
评论信息
其他资源
- stm32官方移植lwip
- AD7683驱动程序
- 多车型车辆路径问题Matlab程序-CSDN下载
- android 实现导航功能
- mpc MATLAB 代码
- 升压血压计：脉搏波数据
- IDL语言图像分类代码
- 同济高等数学第六版PPT课件.rar
- ASTER数据下载
- 尚硅谷springboot笔记
- 家教管理系统
- 除尘器电气图纸和程序S7-200
- eclipse插件开发指南 作者：陈刚
- 2012年南京大学《数据库技术》期末考试试卷.pdf
- 数据备份软件synctoy
- ET7222高速USB-2.0(480-Mbps)单路双刀双掷模拟开关.pdf
- nbandroid 1.5
- 五邑大学数据结构实验
- 不同倾斜面上太阳辐射量的计算
- DS_TLSR8266
免责申明
【只为小站】的资源来自网友分享，仅供学习研究，请务必在下载后24小时内给予删除，不得用于其他任何用途，否则后果自负。基于互联网的特殊性，【只为小站】 无法对用户传输的作品、信息、内容的权属或合法性、合规性、真实性、科学性、完整权、有效性等进行实质审查；无论 【只为小站】 经营者是否已进行审查，用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。
本站所有资源不代表本站的观点或立场，基于网友分享，根据中国法律《信息网络传播权保护条例》第二十二条之规定，若资源存在侵权或相关问题请联系本站客服人员，zhiweidada#qq.com，请把#换成@，本站将给予最大的支持与配合，做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明
本站所有资源不代表本站的观点或立场，基于网友分享，根据中国法律《信息网络传播权保护条例》第二十二条之规定，若资源存在侵权或相关问题请联系本站客服人员，zhiweidada#qq.com，请把#换成@，本站将给予最大的支持与配合，做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明