本文選題：小波神經(jīng)網(wǎng)絡(luò) + 特征熵　； 參考：《電氣應(yīng)用》2014年22期

【摘要】：作為電力系統(tǒng)的一種重要設(shè)備,高壓斷路器的故障診斷一直是研究中的重點(diǎn)。針對(duì)傳統(tǒng)神經(jīng)網(wǎng)絡(luò)收斂速度慢,容易陷入局部極小等不足,提出了一種基于小波神經(jīng)網(wǎng)絡(luò)的高壓斷路器故障診斷方法。首先利用特征熵方法提取振動(dòng)信號(hào)的特征值,然后利用小波神經(jīng)網(wǎng)絡(luò)進(jìn)行分類識(shí)別。同時(shí)還給出了一種小波神經(jīng)網(wǎng)絡(luò)的改進(jìn)方法,提高了其收斂速度。實(shí)驗(yàn)結(jié)果表明,相比較于傳統(tǒng)神經(jīng)網(wǎng)絡(luò),改進(jìn)的小波神經(jīng)網(wǎng)絡(luò)訓(xùn)練速度更快,分類準(zhǔn)確率更高,對(duì)于高壓斷路器的故障診斷效果更佳。
[Abstract]:As an important equipment in power system, fault diagnosis of high voltage circuit breaker is always the focus of research. A fault diagnosis method for high voltage circuit breakers based on wavelet neural network is proposed to overcome the shortcomings of traditional neural networks such as slow convergence and easy falling into local minima. Firstly, the eigenvalue of vibration signal is extracted by the method of eigenentropy, and then the wavelet neural network is used to classify and recognize the vibration signal. At the same time, an improved method of wavelet neural network is presented to improve its convergence speed. The experimental results show that compared with the traditional neural network, the improved wavelet neural network is faster in training speed, higher in classification accuracy and better in fault diagnosis of high voltage circuit breakers.
【作者單位】： 武漢交通職業(yè)學(xué)院;
【分類號(hào)】：TM561;TP18

【參考文獻(xiàn)】

相關(guān)期刊論文 前1條

1 張偉;師奕兵;周龍甫;盧濤;;基于改進(jìn)粒子群算法的小波神經(jīng)網(wǎng)絡(luò)分類器[J];儀器儀表學(xué)報(bào);2010年10期

【共引文獻(xiàn)】

相關(guān)期刊論文 前10條

1 曾曉林;薛建輝;洪剛;;粒子群優(yōu)化神經(jīng)網(wǎng)絡(luò)在高壓斷路器機(jī)械故障診斷中的應(yīng)用[J];電網(wǎng)與清潔能源;2010年06期

2 郭旭剛;孔龍飛;王蘇敬;;基于神經(jīng)網(wǎng)絡(luò)的地鐵牽引整流器直接功率控制算法研究[J];鐵道機(jī)車車輛;2014年05期

3 何國(guó)權(quán);;輸配電線路維護(hù)與管理探析[J];中國(guó)科技信息;2012年07期

4 張福民;曲興華;孟憲偉;周松;李文婷;葉聲華;;一種機(jī)械壽命實(shí)驗(yàn)設(shè)計(jì)方法與精度分析[J];儀器儀表學(xué)報(bào);2007年07期

5 孫建平;王逢瑚;胡英成;;基于聲發(fā)射和神經(jīng)網(wǎng)絡(luò)的木材受力損傷過(guò)程檢測(cè)[J];儀器儀表學(xué)報(bào);2011年02期

6 趙浣萍;徐偉棟;厲力華;劉偉;張娟;;一種基于改進(jìn)型Multi-Agent多分類器融合的乳腺鉬靶腫塊分類算法[J];儀器儀表學(xué)報(bào);2011年09期

7 唐小洪;王宏華;;基于單神經(jīng)元PID控制器的異步電動(dòng)機(jī)軟啟動(dòng)器仿真[J];機(jī)械制造與自動(dòng)化;2011年05期

8 王秋生;楊浩;袁海文;;基于粒子群優(yōu)化的數(shù)字多頻陷波濾波器設(shè)計(jì)[J];儀器儀表學(xué)報(bào);2012年07期

9 曹春紅;王利民;趙大哲;張斌;;基于小生境改進(jìn)粒子群算法的幾何約束求解[J];儀器儀表學(xué)報(bào);2012年09期

10 常廣;王毅;王瑋;;采用振動(dòng)信號(hào)零相位濾波時(shí)頻熵的高壓斷路器機(jī)械故障診斷[J];中國(guó)電機(jī)工程學(xué)報(bào);2013年03期

【二級(jí)參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 王淑紅;王旭平;熊光煜;;動(dòng)圈式永磁直線振動(dòng)電機(jī)的靜動(dòng)態(tài)分析[J];微特電機(jī);2006年01期

2 孟永鵬,賈申利,榮命哲;短時(shí)能量分析法在斷路器機(jī)械狀態(tài)監(jiān)測(cè)中的應(yīng)用[J];西安交通大學(xué)學(xué)報(bào);2004年12期

3 吳振升;王瑋;黃梅;楊學(xué)昌;;基于相空間重構(gòu)的高壓斷路器振動(dòng)信號(hào)特征分析[J];現(xiàn)代電力;2006年01期

4 馮奇峰,李言;改進(jìn)粒子群優(yōu)化算法在工程優(yōu)化問(wèn)題中的應(yīng)用研究[J];儀器儀表學(xué)報(bào);2005年09期

5 金瑜;陳光福;劉紅;;基于小波神經(jīng)網(wǎng)絡(luò)的模擬電路故障診斷[J];儀器儀表學(xué)報(bào);2007年09期

6 胡曉光,戴景民,紀(jì)延超,于文斌;基于小波奇異性檢測(cè)的高壓斷路器故障診斷[J];中國(guó)電機(jī)工程學(xué)報(bào);2001年05期

7 桂中華,韓鳳琴;小波包特征熵神經(jīng)網(wǎng)絡(luò)在尾水管故障診斷中的應(yīng)用[J];中國(guó)電機(jī)工程學(xué)報(bào);2005年04期

8 馬強(qiáng),榮命哲,賈申利;基于振動(dòng)信號(hào)小波包提取和短時(shí)能量分析的高壓斷路器合閘同期性的研究[J];中國(guó)電機(jī)工程學(xué)報(bào);2005年13期

9 方紅慶,沈祖詒;基于改進(jìn)粒子群算法的水輪發(fā)電機(jī)組PID調(diào)速器參數(shù)優(yōu)化[J];中國(guó)電機(jī)工程學(xué)報(bào);2005年22期

10 孫來(lái)軍;胡曉光;紀(jì)延超;;一種基于振動(dòng)信號(hào)的高壓斷路器故障診斷新方法[J];中國(guó)電機(jī)工程學(xué)報(bào);2006年06期

，

本文編號(hào)：1795628