亿佰文档网

1 RBF神经网络在电气设备状态评估中的应用

维普资讯 http://doc.100lw.com

第3 5卷

第 3期

航空计算技术 Ae o a i a mp t rTe h i u r n ut lCo u e c n q e c

Vo _ 5 No 3 l3 . S p. 0 5 e 2 0

20 0 5年 9月

R F神经网络在电气设备状态评估中的应用 B 周炎涛,一向升吴正国2, ( .南大学软件学院,南长沙 4 0 8;.军工程大学信息与电气学院, 1湖湖 1022海湖北武汉 4 0 3 ) 303 摘要:以切比雪夫正交基函数 ( B )经网络搭配教师模块作为电气设备状态评估的模型 .过 RF神通

对过去序列样本的学习,在考虑影响电气设备状态的各种因素的情况下用教师模块对学习过程进行监督,调整网络的权值,然后识别电气设备状态 3前情况。结果表明该神经网络具有良好的识别 -" 能力、速的收敛能力并可以应用于大规模的电气设备状态评估中。快

■ - 1问题的提出

关键词:入样本;交多项式;经网络;态评估输正神状

中图分类号: 2 2 04

文献标识码: A

文章编号:6 1 6 4 20 )30 0 -4 17— 5 X(0 5 0 - 1 0 0

设备的状态评估。

电力设备状态评估是现代电力设备管理的重要组成部分,电力系统生产中发挥着越来越重要的作在用。我国电力行业设备维护的指导性文件是《电气设

2 RB F神经网络及其应用

备预防性试验规程》,所确定的原则目前在设备状它态评估和分析中仍然是重要的依据之一…。但其预 测数据过于简单,有合格、合格两种状态,法进仅不无行细致的优劣评定。 为此电力行业采取了一些改进的方案,:对如先设备的各项运行指标打分,将分数进行加权求均再 图 1神经网络系统模型

神经网络可以看作一种具有适应外界条件能力的系统,系统的一般模型示于图 1。中 ( )是此 其 n

值,从而得出设备的最终分数并根据分数来映射出相 关文字结论。虽然这样可以比先前的是非制评估有很大的进步,是得到的结果过于理想化,未考虑但并设备运行环境,别是非运行因素对设备状态的干特 扰。因此,我们认

为对电力设备进行科学的状态评估

多维的随机过程;为输人到网络中的一串样本,作 n为 离散变量; ( )是当前输人应归属的类别,一类都 dn每包含一组具有某些共同特征的样本集合;多维输出变量 Y n是网络给出的当前输人所归属的类别; l (),,分别对应于样本空间和网络输出空间。由上面可知,网

是一项十分细致的工作,诸多的因素需要考虑,有最终的评估结果有多种选择,是一个动态的非线性的系统,靠简单的定量公式来评分是不能满足需要的。单 而人工神经网络作为一种大规模并行处理的非线性系统,据数据本身的内在联系建模,有良好的依具 适应性与自学习能力、强的抗干扰能力,在很多较并

络的输人信号是[ n,( ),的特点是有属于 X( )d n]它 某一类的等级信号 d n。果 d n是一维的,化为 ()如 ()量 2个或个等级,分别对应于有 2类或类样本。则

2 1教师监督模块在状态评估中的建立 . 对设备进行状态评估时首先考虑神经网络的输人数据 (即该设备的历史评估数据 )假设输人是一个。

行业有成功的应用儿。本文以切比雪夫正交基函数 ( B )经网络搭配教师模块作为电力设备状态 RF神评估的模型,过对过去序列样本的学习,通在考虑影 响电气设备状态的各种因素的情况下用教师模块对学习过程进行监督,整网络的权值,而进行电气调进 收稿日期: 0 5 0— 2 0 -6 1 5

有连续值的特征,图 2所示。如 其中 (是某一设备随时间变化的曲线, t)根据这些曲线可对设备进行评估是设备的预试次数的序号;是允许的参数值, 参数低于它的时候,备就不设

基金项目:『钳科技厅资助科研计划项日(目编号 0 GK 3 6 )湖幸=『项 3 Y 0 5

作者简介:炎涛( 9 3一),,川 16 湖南汉寿人,剐教授,士研究q, 研究方向为计算机应f、{故障诊断等领域。 j

1 RBF神经网络在电气设备状态评估中的应用

相关文档
热门文档
你可能喜欢
  • 输变电设备状态
  • 水工建筑物
  • 液力耦合器
  • 状态检修
  • 工作PPT模板
  • 变压器技术
  • 全生命周期
  • 设备技术管理
评论