排序方式: 共有127条查询结果,搜索用时 187 毫秒
41.
42.
43.
44.
GIS母线接头过热已成为典型的过热性故障,为实现GIS母线接头温度的准确预测,在研究最小二乘支持向量机(Least Squares Support Vector Machines,LSSVM)算法的基础上,引入混沌理论改进的人工蜂群算法对LSSVM的参数进行优化,建立了一种基于参数优化LSSVM的GIS母线接头温度预测模型。通过GIS母线温度物理模拟实验,将实验所获得的负荷电流、GIS母线筒外壳测点温度及环境温度作为输入量,GIS母线接头温度作为输出量,对该模型进行了训练。结果表明,该模型的预测误差仅为0. 193%,优于ABC-LSSVM、LSSVM和RBF神经网络。提出的温度预测模型可实现母线接头温度的精确预测,为防止GIS母线接头过热性故障的研究奠定了基础。 相似文献
45.
46.
47.
48.
针对三相永磁同步电机驱动系统中的位置/速度传感器和电流传感器开路故障问题,提出基于滑模观测器的故障检测与系统容错方法。通过建立系统的滑模观测器模型,获得系统输出电流与速度信号的预测值,利用预测值与系统实际输出值的残差分析并检测系统的传感器故障,在故障被检测的情况下,针对电流传感器,提出了一种V/f控制算法以实现故障情况下系统的平滑切换;针对位置/速度传感器,提出一种反电动势直接计算法以实现故障情况下系统的平滑切换,实验结果表明:所提出的算法能够在线检测故障并实现故障前后系统平滑切换与容错控制。 相似文献
49.
鲁棒能量模型最小二乘双支持向量机作为最小二乘双支持向量机(LS-TSVM)的改进算法,训练速度快、鲁棒性好且泛化能力强。将其引入到变压器故障诊断中,并提出一种鸡群算法优化鲁棒能量模型LS-TSVM的变压器故障诊断模型。在该模型中,结合二叉树和鲁棒能量模型LS-TSVM构造多类分类器用于变压器故障类型识别,并采用搜索性能较强的鸡群算法对鲁棒能量模型LS-TSVM的参数进行优化,以使模型的诊断性能达到最佳。基于DGA的变压器故障诊断实例表明,该方法故障诊断模型精度高,诊断效果优于PSO-SVM模型。 相似文献
50.