《基于深度学习的电力变压器智能故障诊断方法》PDF+DOC
作者:张朝龙,何怡刚,杜博伦,张兰芳,江善和
单位:中国电子学会
出版:《电子测量与仪器学报》2020年第01期
页数:9页 (PDF与DOC格式可能不同)
PDF编号:PDFDZIY2020010110
DOC编号:DOCDZIY2020010119
下载格式:PDF + Word/doc 文字可复制、可编辑
《基于RFID传感器标签与深度学习的变压器状态监测方法研究》PDF+DOC2018年第09期 何怡刚,汪涛,施天成,童晋
《电力变压器在线监测与故障诊断系统的研究》PDF+DOC2012年第10期 韩世军,朱菊
《基于交互多模型无味卡尔曼滤波的移动机器人故障诊断》PDF+DOC2016年第02期 万伟,张凤云,杨斌
《基于标量加权信息融合的智能故障诊断方法研究》PDF+DOC2015年第07期 王金玉,刘彤军,王涛,周丽丽,杨喆
《基于一维堆叠卷积自编码器的分布式应变裂缝检测》PDF+DOC2020年第01期 严国萍,陈禹,李雨冲,闫昭帆
《嵌入式系统在液压状态监测与智能故障诊断中的应用》PDF+DOC2005年第12期 潘兵,熊静琪
《基于多传感器融合与贝叶斯网络在电力系统故障诊断方法研究》PDF+DOC2011年第23期 赵欣
《基于多传感器信息融合和神经网络的汽轮机故障诊断研究》PDF+DOC2010年第03期 凌六一,黄友锐,魏圆圆
《水轮机调速器的智能故障诊断与控制研究》PDF+DOC2007年第13期 肖蕙蕙,刘伟,李山,陈鸿雁
《小波包能量熵的高压转子装配性能特征的提取方法研究》PDF+DOC2013年第10期 杜炜,陈卫,程礼,赵传洪
针对电力变压器的故障诊断问题,提出了一种可用于海量监测数据的智能故障诊断方法。首先设计了无源射频识别(radio frequency identification, RFID)传感器标签用于测量变压器的振动信号,该设计具有结构简单、便利性强和功耗低等优点。针对于测量的变压器振动信号数量大、维度高、成分复杂、信噪比低等特点,利用深度学习技术中堆叠自编码器对测量的信号进行特征提取,提取的特征具有相同状态高度聚集,不同状态明显分离的优点。随后,基于提取的海量特征数据,应用加权贝叶斯分类模型进行故障诊断。为进一步提高故障诊断方法的性能,提出了混沌量子粒子群算法分别对堆叠自编码器和加权贝叶斯分类模型的参数进行优化。通过一个10 kV变压器的故障诊断实验表明,设计的无源RFID传感器标签能可靠地获取变压器振动信号,提出的故障诊断方法具有较高的故障诊断正确率。
提示:百度云已更名为百度网盘(百度盘),天翼云盘、微盘下载地址……暂未提供。