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
- AC6102开发板USB3.0开发教程V1.0
- 有源晶振封装库和无源晶振封装库，15种，AD9IntLib
- bladed软件使用教程
- mdb access数据库损坏100%修复软件查看保证有用 MDB密码查看
- Matrix Computations - Golub.pdf
- javaweb-留言板
- Java经典入门教程pdf完整版
- c++return返回二维数组
- cocoscreator 微信好友排行榜简单demo
- 浙江省_乡镇行政边界2018年（KMZ）
- Visio元件库
- Introducing the Facebook Field Guide to Machine Learning video series
- 股票价格仪表板-源码
- RapidCFD-simpleFoam-rundemo.zip
- 51最小系统+原理图+PCB图
- 系统下U盘挂载的实现
- 异步计时器：Rust异步故事的计时器功能-源码
- 功能安全需求书写.pdf
- CSAE 基于LTE 的车联网无线通信技术直连通.pdf
- UEJsonParser-master.zip
- 循迹小车龙人宝贝五角星寻迹程序QTI
- ST语言编程--浙大中控.pdf
- compiler gcc5.h
- 努比亚线刷工具
- SMS9操作手册
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