粗糙集神经网络故障诊断系统的优化方法研究

神经网络的联想能力不足影响它在故障诊断中进一步应用，该文根据粗糙集理论擅长于处理不完整小样本数据的优点，提出了使用粗糙集理论优化BP神经网络故障诊断系统的基本策略，构建了优化的粗集神经网络模型。通过对轴承故障数据和磨削工况分析表明，使用该模型可以有效地减少输入层神经元的个数，改进网络内部结构，提高神经网络模型的学习效率和诊断的准确率，在故障诊断中有良好的应用前景。     

基于GA优化BP神经网络的液压钻机故障诊断

针对BP神经网络应用于故障诊断时存在着收敛速度慢、易陷入局部最小值等问题,提出了一种基于遗传算法(GA)优化BP神经网络的液压钻机故障诊断方法.利用GA的选择、交叉和变异操作优化BP神经网络的权值和阈值,提高网络训练的收敛速度.根据液压钻机工况参数提取的特征信号,进行归一化处理建立样本,利用训练样本对网络进行训练,根据训练结果进行故障诊断.仿真结果表明,GA优化的BP神经网络迭代次数少,收敛速度快,能够对测试样本进行有效地分类,故障诊断正确率高.     

基于粗糙径向基神经网络的电网故障诊断新模型

在一种属性约简方法的基础上,利用粗糙集和径向基网络的优势,将二者充分融合,构建了一种电网故障诊断新模型,并对其进行了改造.通过对电网故障诊断算例的仿真实验比较表明,该模型减少了识别的主观因素,简化了网络结构,并且识别效果明显,分类能力强,具有很强的容错性和解释性,有很广阔的应用前景.     

基于粗糙径向基神经网络的电网故障诊断新模型

在一种属性约简方法的基础上,利用粗糙集和径向基网络的优势,将二者充分融合,构建了一种电网故障诊断新模型,并对其进行了改造。通过对电网故障诊断算例的仿真实验比较表明,该模型减少了识别的主观因素,简化了网络结构,并且识别效果明显,分类能力强,具有很强的容错性和解释性,有很广阔的应用前景。     

基于GA优化BP神经网络的小电流接地故障选线方法

将GA优化BP神经网络的算法引入到小电流接地故障选线方法中。文中基于MATLAB进行仿真试验，通过小波包法、五次谐波法、基波比幅比相法及零序有功功率法等传统选线方法，将零序电流信号的各种特征量进行提取，经过故障测度函数计算得到故障测度数据，将数据分别输入到GA-BP神经网络与单一BP神经网络进行训练和测试，讨论GA-BP神经网络算法与单一BP神经网络算法选线性能的差异，输出故障选线结果并与基于各选线方法的故障测度数据进行对比。结果表明，综合多种传统选线方法的GA-BP神经网络准确率明显高于传统选线方法，且其选线速度与精度优于单一BP神经网络，能够更快速、有效地进行故障选线，满足配电网故障选线要求。     

基于粗糙集与模糊神经网络的变压器故障诊断方法

将基于粗糙集理论的模糊神经网络，应用于变压器故障诊断中，充分利用粗糙集理论对知识的约简能力模糊神经网络优良的分类能力，首先利用粗糙集方法对原始数据进行约简，形成精简的规则集，以此基础构建的模糊神经网络结构完全是由粗糙集最终约简规则决定的，具有良好的拓扑结构，网络规模大大减少，学习速度大为提高，而且保持了网络较好的分类能力。     

基于粗糙集和RBF神经网络的变压器故障诊断方法研究

针对变压器故障诊断神经网络模型存在网络结构复杂、训练时间长等问题,提出基于粗糙集及RBF神经网络的变压器故障诊断方法。运用粗糙集理论中无决策分析,建立基于可分辨矩阵和信息熵的知识约简算法,进行数据挖掘,寻找最小约简;以处理后的数据集合作为训练样本,采用高斯函数作为径向基函数,分别求解方差及各层权值,建立变压器故障诊断模型。通过测试对比,此算法虽然略微降低诊断正确率,但网络结构简单、训练速度快、泛化能力强,对提高神经网络在变压器故障诊断中的应用性能有较好的指导意义。     

基于优化神经网络的电网谐波检测方法

为了检测电力系统中的谐波,本文提出了一种基于优化神经网络的电网谐波测量方法.该方法应用一个结构和训练算法都优化了的多层前馈神经网络(MLFNN)对电网中的谐波进行检测,即首先考虑到神经网络的权值记忆负担主要来自谐波幅值和相角的变化,因此先对相角进行确定;再用基于神经网络理论方法对幅值进行检测,并使每一个输出神经元都对应于自己的隐层;然后利用多层前馈神经网络对当前及上一时刻的采样值进行分析,实现了对电网谐波的检测.实验仿真结果证明了该方法的有效性.     

基于遗传算法及信号谱分析的电网故障定位方法

为提高行波故障定位系统的可靠性并降低应用成本,提出了基于非故障线路透射波的区域故障定位方法。透射波在线路及母线上传播过程中的信号衰减、波形畸变及频率差异是影响区域故障定位精度的主要因素。由于透射波信号源相同,根据各透射波推导的初始故障时刻应相等。文中利用该条件建立了目标方程,通过对波速的优化解决上述因素导致的测距误差。在方程求解中,为便于变量取值,引入了频率及路径修正系数,并基于遗传算法完成目标方程的求解。最后,通过现场实际数据验证了算法的精度及可靠性。     

基于时变时滞模糊双曲神经网络的配电网故障定位方法的研究

首次在理论上将时变时滞模糊双曲神经网络应用于配电网故障诊断领域,阐述了时变时滞模糊双曲神经网络的拓扑结构以及相关算法;构建配电网拓扑结构以及相应的故障训练样本;基于时变时滞模糊双曲神经网络进行配电网故障诊断的研究,并通过计算机仿真进行验证,仿真结果表明了该配电网故障定位方法的可行性与有效性。     

基于粗糙集理论的变压器神经网络诊断方法

提出了一种既利用粗糙集理论对大量数据的分析挖掘能 ,又发挥了神经网络的精确分类和学习能力的变压器故障诊断方法 ,可有效诊断和分类变压器故障     

采用神经网络专家系统进行电力变电站的故障在线诊断

本文提出一种新的神经网络专家系统用于变电站的故障在线诊断，该神经网络专家诊断系统具有与一般专家系统相似的分布图，但更容易由基本样本组成。这些样本将故障与它们的保护继电器和断路器以及母线线电压和馈线电流联系起来。通过精心设计的结构，报警信号由不同的神经网络模块处理，然后对神经网络模块的输出进行积分以提供具有一定置信水平的最终结果，通过测试具有代表性的台湾二次变电站，提出了方法已得到了实际验证，试验结     

GA-BP神经网络在光伏阵列故障检测中的应用研究

BP神经网络在进行光伏阵列故障检测时,故障诊断性能易受局部极值影响,且收敛速度过慢.针对这一问题,利用遗传算法(GA)的全局搜索能力,找到BP神经网络初始权值阈值的最优解,可以有效克服BP神经网络上述缺陷,并高效完成对光伏阵列的故障诊断.对比光伏阵列正常状态与不同故障状态下的输出特性,选定电压电流作为输入,故障状态为输...     

微机诊断电网漏电故障的研究

本文介绍了微机在１０（或６）千伏小接地电流系统中寻找漏电故障支路的设计原理，为发电厂、变电站和厂矿企业的正常供电、人身安全及运行管理，提供了一项安全技术措施，并阐明了它的广泛应用。     

基于小波神经网络的电网故障诊断研究

分析了小波神经网络的基本原理,将小波神经网络引入到电网故障诊断并在4母线系统进行了测试.仿真结果表明,该方法具有很好的故障诊断能力,与基于BP神经网络的电网故障诊断方法相比,基于小波神经网络的电网故障诊断方法原理简单、诊断效果更为理想.     

基于优化平滑因子σ的概率神经网络的变压器故障诊断方法研究

目前在概率神经网络的机理研究中存在一个瓶颈问题:在有限的模式样本中提炼出能反映整个样本空间的平滑因子σ,目前的σ估计都基于经验或有限样本聚类的方法,并不能将空间的概率特性很完整地表达出来,而遗传算法可以在没有任何先验知识的情况下发现系统潜在知识。采用遗传算法来优化概率神经网络的σ,并把它应用于电力变压器的故障诊断中。通过MATLAB7.0仿真结果得出,经过遗传算法优化平滑因子后的概率神经网络可以大大提高故障诊断的准确性。     

基于改进BP神经网络的变压器故障诊断方法研究

变压器是电力系统中不可或缺的重要设备,它的安全稳定运行对整个系统的运行至关重要.为了及时发现和排除变压器出现的故障,提出了基于改进BP神经网络的附加参数法、优化学习因子及隐含层节点数目等电力设备故障诊断方法,通过与传统的BP神经网络算法对比,可以发现收敛速度显著提升,局部最小值问题也得到了解决,仿真结果证明了改进方法的...     

基于粗糙集理论的电力变压器故障诊断方法

鉴于电力变压器信息的不完备性及复杂性，基于粗糙集理论提出了一种能较好处理不完备信息的变压器故障诊断模型。基于对大量电力变压器故障征兆及故障类型的分析统计，利用粗糙集进行约简以获取诊断规则。文中详细阐述了在获得各类信息情况下如何利用该模型进行故障诊断；即使缺少某些关键信息时，该模型也能结合欧式距离、神经网络和模糊数学三种方法对约简进行综合匹配，再利用相应的约简及规则集作出故障诊断。该模型还可通过丰富训练样本、修正决策表的自我完善方法使诊断效果不断提高。实例也表明了该方法的有效性。     

交互神经网络法电网多目标优化运行

本文提出了一种交互神经网络（Ｈｏｐｆｉｅｌｄ连续ＡＮＮ模型）求解大型电力系统多目标优化运行的方法。模型中考虑了经济、环境保护和安全三个指标，并引入了调节乘子。采用ＡＮＮ求解，不仅有利于大型系统的计算，而且通过对调节乘子的交互，使这种求解方法更为有效，增加了决策的灵活性，提高了方法的实用价值，经ＩＥＥＥ６机系统算例计算表明，该法有是效的。     

应用神经网络技术进行核电站故障诊断方法综述

本文综述了基于人工神经网络的故障诊断研究的发展状况及各种实现方法,重点讨论了网络的选择,学习数据的构造和诊断系统的构造采用的方法。