Improved BP Neural Network for Transformer Fault Diagnosis

Sun、Yan-jing、Zhang、Shen、Miao Miao、Chang-xin、Li、Jing-meng

2007Acta Scientiarum Naturalium Universitatis SunyatseniComputer Science被引 39

摘要

背繁殖(BP ) 基于人工的神经的网(ANN ) 能在变压器油和相应差错类型在溶解煤气的内容之中识别复杂关系，用神经的网的高度非线性的印射性质。有效 BP-ALM (有适应的学习的率和动量系数的 BP ) 算法被建议减少训练时间并且避免被套住进本地最小，在学习的率和动量系数在重复被改变的地方。我们与一个 BP-ALM 算法基于溶解气体分析(DGA ) 开发了变压器差错诊断的一个系统。训练模式从一个精制三比率的方法(RTR ) 的结果被选择。测试结果证明系统有与 convectional 相比的在差错诊断的比另外的方法和优异表演的快学习和全球集中的一个更好的能力基于 BP 的神经网络和 RTR。

引用本文（GB/T 7714）

Sun, Yan-jing, Zhang, 等. Improved BP Neural Network for Transformer Fault Diagnosis[J]. Acta Scientiarum Naturalium Universitatis Sunyatseni, 2007.

引文网络

参考文献与被引分析加载中…

本站仅收录题录与摘要供学习参考，全文版权归属出版方；如有侵权请联系我们删除。