《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+DOC
作者:何怡刚,汪涛,施天成,童晋
单位:中国电子学会
出版:《电子测量与仪器学报》2018年第09期
页数:8页 (PDF与DOC格式可能不同)
PDF编号:PDFDZIY2018090130
DOC编号:DOCDZIY2018090139
下载格式:PDF + Word/doc 文字可复制、可编辑
《基于RFID传感标签及QPSO-RVM的变压器绕组故障在线诊断技术》PDF+DOC2018年第24期 邓芳明,温开云,何怡刚,李兵,汪涛,吴翔
《一种基于物联网的图书馆管理系统》PDF+DOC2017年第27期 李璐
《基于深度学习的电力变压器智能故障诊断方法》PDF+DOC2020年第01期 张朝龙,何怡刚,杜博伦,张兰芳,江善和
《物联网体系架构综述》PDF+DOC2019年第04期 尹春林,杨莉,杨政,潘侃,沈鑫
《物联网技术在博物馆藏品管理中的应用——以南京博物院为例》PDF+DOC2018年第12期 张晓婉
《无线传感器在食品加工领域的研究》PDF+DOC2018年第09期 颜洲,贾秀玲
《物联网技术与应用简述》PDF+DOC2018年第04期 苗燕
《物联网关键技术及相关应用的研究》PDF+DOC2018年第17期 刘雅琪
《粒子群算法在无线网络拓扑优化中的应用》PDF+DOC2010年第04期 吴玫
《适用于RFID标签及无线传感器的射频唤醒电路》PDF+DOC2009年第04期 王洁,高庆华,王洪玉
变压器的状态直接决定了电网运行的可靠性。在现有的变压器状态监测方法的基础上,提出基于射频识别(RFID)传感器标签和深度学习的变压器状态监测手段。首先提出了一种基于自取能RFID传感器标签的变压器振动信号采集方法,该方法具有成本低,便利性强,寿命长,可实现快速定位等优点。针对于变压器信号成分复杂,信噪比低等特点,利用深度学习技术在复杂数据处理方面的优势,采用堆叠去噪自编码器(SDA)信号进行特征提取,并采用相关向量机(RVM)对提取的特征数据进行故障诊断,最后采用量子粒子群算法(QPSO)对SDA与RVM进行参数寻优。实验结果表明,方法能够可靠地获取变压器振动信号,同时,能够取得99. 75%的故障诊断准确度,且诊断时间仅需要0. 98 s。
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。