变压器故障诊断中的神经网络技术发展

变压器故障诊断的发展与信息技术、人工智能技术等密切相关.神经网络及其优化算法在变压器故障诊断中受到广泛的应用.网络结构的设计和学习算法的优化关系到故障诊断的准确性和实时性.研究发现,数学理论与神经网络的融合以及量子神经计算有助于故障诊断能力的提高,已成为神经网络的发展趋势.     

一种基于模糊神经网络的变压器故障诊断方法的研究

文章介绍了一种基于模糊逻辑理论的人工神经网络，提出了利用模糊数学对神经网络的输入进行预处理的方法，并将其应用于变压器故障的诊断，提高了IEC比值法诊断变压器故障的复杂性和准确性。     

电力变压器励磁涌流仿真计算的瞬时功率法(英)

提出一种基于变压器铁芯材料的基本磁化曲线B=f（H）、变压器铁芯的几何尺寸、空载损耗数值及瞬时功率的概念,对变压器空载合闸时,在各种不同合闸角及各种不同剩磁情况下所产生的励磁涌流进行计算的新方法．通过对计算结果的分析,得出励磁涌流的特征,如峰值、波形及间断角的大小同剩磁和合闸角的关系等．利用电磁暂态仿真程序EMTP对同一变压器模型进行仿真计算,结果与本文方法的计算结果非常接近,证明了本文方法的正确性,有助于对电力变压器设计的正确性进行校验及变压器保护的研究．     

神经网络在供热管网泄漏故障诊断中的应用(英文)

为了研究供热管网泄漏检测策略,利用图论理论构建了一个基于空间管网的泄漏工况水力计算数学模型,得出节点泄漏和管段泄漏工况下管网各点的压力变化情况.然后,采用人工神经网络方法建立了一个基于BP神经网络的供热管网泄漏诊断系统.该诊断系统可根据管网中压力监测点的压力变化定位泄漏管段,实现对泄漏点位置的初步估计.最后,通过实例验证了该方法的有效性.实验结果表明,这种诊断系统对泄漏管段的预测准确率达到100%.     

BP神经网络在数字识别中的应用

神经网络(neuralnetwork)是近年来再度兴起的一个高科技研究领域,数字识别就是其中一项既基本又非常重要的应用性研究领域。BP神经网络(Back-Propagation),又称误差反向传递神经网络,是一种依靠反馈值来不断调整节点之间的连接权值而构建的一种网络模型。BP网络可以看作是对多层感知器网络的扩展,即信息的正向传播及误差数据的反向传递。本文给出了设计用于识别手写数字BP神经网络的过程。     

RBF神经网络在车牌字符识别中的应用

针对现有车牌字符识别算法中存在识别时间长、正确率低的问题,提出了基于粗网格特征提取及RBF神经网络的车牌字符识别算法。该算法首先对车牌图像字符进行预处理,再将提取的车牌字符特征向量输入RBF神经网络进行训练,通过建立汉字字符、字母、字母／数字混合分类器分别对车牌字符信息进行识别,同时引入拒识别和易混字符细识别机制。实验表明,这种方法克服了BP神经网络易陷入局部最小值的问题,提高了识别的正确率,适合于对实时性要求较高的智能交通管理系统。     

直流偏磁引起的并联SVC特高压变压器谐振研究(英文)

针对直流偏磁引起的并联TCR+FC型SVC特高压变压器谐振问题,基于MATLAB/Simulink平台,构建了用于阻抗频率特性分析的并联SVC的特高压变压器仿真模型与基于经典Jiles-Atherton磁滞理论的变压器场路耦合仿真模型.理论和仿真结果表明,特高压变压器并联谐振的形成机理为直流偏磁情况下,并联SVC投入运行时,变压器低压侧谐振点趋近于4次谐波.基于此,提出一种谐振控制思路,即在原FC滤波支路上串联含旁路开关的电抗器.在直流偏磁下,旁路开关的切断可以提升FC滤波支路的串抗率,从而改变并联谐振点.并针对此谐振控制方法带来的7次谐波问题,提出了锁定TCR支路控制角在130°～180°区间的改进措施.以某750 kV特高压变压器为例,验证了谐波控制方法对特高压变压器并联谐振的抑制作用,仿真结果表明谐振故障机理的分析及其谐振控制方法是正确和可行的.     

神经网络在电子设备检测中的应用研究

本文针对电子设备中模拟电路容差因素对故障定位的影响,提出一种基于SOM自组织特征映射神经网络的组合式故障检测法,并就其基本原理和实际应用展开具体讨论．实践结果证明,该方法行之有效、实用性强、拓展性宽．此类故障检测方法值得人们进一步研究和探索．     

神经网络在股票市场预测中的应用

分析了BP神经网络、遗传神经网络、双神经网络、RBF神经网络和概率神经网络在股票市场预测中的应用。     

BP神经网络在管道缺陷定量识别中的应用

介绍了漏磁检测的基本原理,分析了管道缺陷的漏磁信号与缺陷几何参数的关系.应用BP神经网络进行了管道缺陷参数的定量识别,识别结果的误差小于10%,完全满足实际检测的要求.     

联想记忆神经网络在高压输电线路故障诊断的应用(英)

建造了实现高压输电线路故障诊断的两种联想记忆神经网络的模型结构并提出了提高其容错能力的有效方法．对于FNN,提出“伪吸引域”的概念以人为扩大样本吸收域,在不降低网络效率的前提下大大提高了网络的容错性能;对于BAM－NN,提出增加冗余神经元来提高网络的记忆能力和容错性能,但该措施增加了网络的复杂度,降低了网络的效率．仿真结果表明,本文构造的两种联想记忆NN都能正确识别故障,且对干扰输入信息序列有相当的容错能力,而FNN则是解决电力系统故障诊断问题的一个更加简便而且有效的方法．     

用于约束非线性全局优化的混沌退火神经网络

混沌神经网络具有全局搜索能力 ,但其运用至今主要局限于组合优化 .通过对普通 Hopfield优化网络引入混沌噪声退火过程 ,提出了一种用于约束非线性全局优化的混沌退火神经网络 ,它易于实现 ,原理简明 ,应用广泛 .对很复杂的测试函数的数字试验表明 ,该模型能够高效、可靠地搜索到全局最优 ,其性能超过遗传算法 GAMA S     

A MODEL FOR UNFULLY INTERCONNECTED NEURAL NETWORK

In order to reduce the complexity of neural network connectivity,a dy-namical model for unfully interconnected neural network,including its energy func-tion,local area field and learning rule,is presented.The basic idea is to decompose aHopfield network into several subnetworks and set up some interconnections betweenthem.The statistical analysis of the associative memory process shows that the num-ber of interconnections after the first decomposition is reduced by 25% comparedwith that of the Hopfield network,but the storage capacity and the associative abilityof the network remain unchanged.With the decomposition continued,the number ofinterconnections is considerably reduced.Despite the reduction in storage capacityand associative ability with continuous decomposition,the average information capac-ity per interconnection has increased nearly by 100%.Finally the relationship be-tween high-order interconnection and multilayer network architecture is discussed.     

水文预报的时间序列神经网络模型

时间序列分析在水文预报中起重要作用 ,其关键是要建立一个合适的预报模型 .文章提出基于 BP算法的单输出和多输出水文预报时间序列神经网络模型 ,克服了以往多种基于随机分析预报模型的缺点 ,不仅能实现快速灵活的信息处理 ,而且具有很强的非线性映射和自学习、自适应能力 ,这为更精确描述复杂非线性水文过程提供了可能 .通过对历史数据的学习 ,模型可对水文径流量时间序列进行预报 ,两个实例分析表明模型的可行性和有效性     

用人工神经网络预测时用水量的方法

根据城市时段用水量序列季节性、趋势性及随机扰动性的特点 ,利用人工神经网络方法 ,建立了时间水量短期预报模型 .选取不同的隐层结点数 ,采用相同的输入样本及预测数据进行训练和预测 ,并通过比较其相对误差的大小 ,确定了神经网络的结构 ,并应用 Matlab语言进行了具体的建模和预报 .实例考核证明 ,该方法与常用的时间序列三角函数分析法相比 ,具有预测误差小、计算速度快等特点 ,可满足供水系统调度运行的实际需要     

仿真人体肘关节的韵律运动用神经网络预测模型

假设人脑存储着肢体的几何和动力学模型 ,以一个多层感知网络代表这个内部模型 ,仿真了在三种不同情况下人体肘关节韵律运动 :1)内部模型的参数与肢体的几何和动力学模型参数完全匹配 ,2 )上述参数不匹配 ,3 )存在外界干扰 .仿真结果显示模型的参数不匹配是导致肢体韵律运动误差的主要原因 .由此可见 ,运动学习过程就是内部模型不断更新以匹配肢体几何和动力学模型的过程     

INFLUENCE OF MEASUREMENT ERRORS ON STRUCTURAL DAMAGE IDENTIFICATION USING ARTIFICIAL NEURAL NETWORKS

ＩＮＴＲＯＤＵＣＴＩＯＮＦｒｏｍｔｈｅｖｉｅｗｐｏｉｎｔｏｆｓｅｒｖｉｃｅａｂｉｌｉｔｙａｎｄｓａｆｅ ｔｙｏｆｓｔｒｕｃｔｕｒｅｓ,ｔｈｅｄｅｔｅｃｔｉｏｎｏｆｓｔｒｕｃｔｕｒａｌｄａｍ ａｇｅｉｓａｎｉｍｐｏｒｔａｎｔｉｓｓｕｅｆｏｒｃｉｖｉｌｅｎｇｉｎｅｅｒｓ.Ｉｎｔｈｅｐａｓｔｔｗｏｄｅｃａｄｅｓ,ｍａｎｙｅｆｆｏｒｔｓｈａｖｅｂｅｅｎｍａｄｅｔｏｍｏｎｉｔｏｒｓｔｒｕｃｔｕｒａｌｉｎｔｅｇｒｉｔｙｕｓｉｎｇｃｈａｎｇｅｓｉｎｍｏｄａｌｐａｒａｍｅｔｅｒｓｔｈｒｏｕｇｈｖｉｂｒａｔｉｏｎｍｅ…     

径向模式振动的压电变压器特性

径向模式振动的压电变压器是由硬的压电材料建成,具有较高的机械品质因数Qm,它是沿厚度方向极化。首先根据压电变压器等效电路模型图建立压电变压器的动力学模型,根据各个负载电阻,测定的电压升压比,输出功率,效率方面的电性能,得出电压升压比与负载电阻成比例地增大,之后对不同厚度的压电变压器进行Comsol仿真,对比得出最优的压电变压器。后通过MATLAB仿真得出电阻最佳时,效率达到最大可以达到90%,升压比为1.5,对这些结果进行比较,从等效电路的分析计算,得出他们有很高的效率和稳定性,可以解决原有卫星推进器效率低、不稳定的状况。