资料下载
×
局部放电的深度置信网络方法
消耗积分:0 |
格式:rar |
大小:2.30 MB |
2018-01-25
分享资料个
气体绝缘电器（gas insulated switchgear，GIS）内部绝缘缺陷产生的局部放电（partial discharge，PD），特征表现较复杂，分散性大，易受运行环境影响，而基于PD统计特征模式识别的传统方法，特征量选取主观性较强，且容易丢失部分特征信息，尤其对自由金属微粒类型缺陷识别率较低。因此，提出了一种基于深度置信网络（deep belief nets，DBN）的GIS设备内部PD模式识别方法，DBN能从数据中自主学习出高阶特征，避免了特征量选取的主观影响，能较好识别自由金属微粒类型缺陷，且识别用时远低于支持向量机（support vector machine， SVM）和BP神经网络（back propagation neural networks，BPNN）算法，作为对GIS设备PD模式识别的新方法具有一定的实用价值。
声明：本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人，不代表电子发烧友网立场。文章及其配图仅供工程师学习之用，如有内容侵权或者其他违规问题，请联系本站处理。 举报投诉
评论(0)
发评论
- 相关下载
- 相关文章
