作者:王俊神经网络电气自动化故障检测自适应学习反向传递
摘要:为精准检测电气自动化设备故障,采用神经网络诊断电器自动化设备故障。将电气自动化设备故障分为五类,选取电气自动化设备负载端输出电压和输入端电流为采样点,在采样点收集原始数据;采用基于BP模型的神经网络结构,对采样原始数据进行前向计算、误差计算和误差反向传递,在此基础上,采用自适应学习的故障检测算法实现自动化电气设备的故障的自适应检测,该算法不仅能够准确检测设备的已知状态,还可对非训练样本集的状态类型进行自主学习,实现了设备故障的自适应检测。实验检测发现,该方法检测故障可信度和故障检测率均高于0.95,且抗噪性能佳。
注:因版权方要求,不能公开全文,如需全文,请咨询杂志社