基于神经网络的电气自动化设备故障检测方法

论文摘要

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。

论文目录

• 0 引言
• 1 电气自动化设备故障检测算法
•   1.1 原始数据采集
•   1.2 基于BP模型的神经网络结构
•   1.3 自适应学习的故障检测算法
• 2 实验分析
•   2.1 网络训练结果
•   2.2 电压故障检测效果
•   2.3 电流故障检测效果
•   2.4 设备运行状态分析
•   2.5 检测速率分析
• 3 结论

文章来源

类型: 期刊论文

作者: 王俊

关键词: 神经网络,电气自动化,故障检测,自适应学习,反向传递

来源: 自动化与仪器仪表 2019年12期

年度: 2019

分类: 信息科技,工程科技Ⅱ辑

专业: 电力工业,自动化技术

单位: 福建农林大学金山学院

基金: 安徽省自然科学基金(No.1608085QF157)

分类号: TM507;TP183

DOI: 10.14016/j.cnki.1001-9227.2019.12.149

页码: 149-152+157

总页数: 5

文件大小: 486K

下载量: 171