基于量子神经网络信息融合的变压器故障诊断

发布时间：2020-07-03 21:24

【摘要】：针对电力变压器故障的多样性和故障信息的不确定性、数据量大及无规律性的特点,提出了基于量子神经网络信息融合的故障诊断方法。将多个电力变压器故障参数信息引入到各子量子神经网络进行局部融合诊断,再将各局部诊断信息引入决策融合网络进行全局融合,最终诊断出5种电力变压器故障并给出可信度评价。实验仿真结果表明:量子神经网络信息融合方法有效,诊断结果可靠,能将不确定性的数据合理地分配到各类故障模式中,故障正判率达到97.78%,远高于BP神经网络信息融合及改良IEC三比值法。

【参考文献】

相关期刊论文 前1条

1 刘大年;史旺旺;吴桂峰;;基于神经网络的多重化整流电路的故障诊断[J];扬州大学学报(自然科学版);2006年01期

【共引文献】

相关期刊论文 前7条

1 杨俊安,庄镇泉,庄连生;基于量子遗传算法的多通道通信信号盲反卷积算法研究[J];电路与系统学报;2004年02期

2 杨俊安,庄镇泉,史亮;多宇宙并行量子遗传算法[J];电子学报;2004年06期

3 杨俊安,邹谊,庄镇泉;基于多宇宙并行量子遗传算法的非线性盲源分离算法研究[J];电子与信息学报;2004年08期

4 杨俊安,庄镇泉;多宇宙并行量子衍生遗传算法研究[J];计算机工程与应用;2004年20期

5 张葛祥,金炜东,胡来招;基于量子遗传算法的特征选择算法[J];控制理论与应用;2005年05期

6 郭剑;孙力娟;;基于量子遗传算法的路由选择[J];微机发展;2006年01期

7 焦嵩鸣;韩璞;黄宇;李永玲;;模糊量子遗传算法及其在热工过程模型辨识中的应用[J];中国电机工程学报;2007年05期

相关会议论文 前1条

1 陈春林;;分层式强化学习研究进展[A];'2008系统仿真技术及其应用学术会议论文集[C];2008年

相关博士学位论文 前2条

1 张葛祥;雷达辐射源信号智能识别方法研究[D];西南交通大学;2005年

2 孙丰诚;航空发动机性能寻优控制技术研究[D];南京航空航天大学;2007年

相关硕士学位论文 前2条

1 吴丽丽;GSM频率复用的研究[D];南京理工大学;2005年

2 张伟丰;基于进化计算的混合优化算法及其在轧制规程优化上的应用[D];武汉科技大学;2006年

【二级参考文献】

相关期刊论文 前10条

1 张利刚;变压器油中溶解气体的成分和含量与充油电力设备绝缘故障诊断的关系[J];变压器;2000年03期

2 汪木兰,张崇巍,顾绳谷;基于联想记忆神经网络的变流器故障诊断研究[J];电工电能新技术;2004年02期

3 章剑光,周浩,项灿芳;基于Super SAB神经网络算法的主变压器故障诊断模型[J];电工技术学报;2004年07期

4 李敏远,陈如清;一种基于模式识别的可控整流电路故障诊断方法[J];电工技术学报;2004年07期

5 李微,谭阳红,彭永进;基于小波分析及网络的电力电子电路故障诊断方法[J];电机与控制学报;2005年06期

6 马皓,徐德鸿,卞敬明;基于神经网络的电力电子电路故障诊断[J];电力电子技术;1997年04期

7 董立新,肖登明,李U

本文编号：2740193