基于粗糙集的量子神经网络在变压器故障诊断中的应用

被引：1

作者：

刘宁 ^{[1
]}

郑玲峰 ^{[1
]}

郝红艳 ^{[1
]}

张智 ^{[2
]}

机构：

[1] 东北电力大学电气工程学院

[2] 内蒙古超高压供电局

来源：

现代电力 | 2009年 / 26卷 / 06期

关键词：

粗糙集; 量子神经网络; 量子间隔; 故障诊断;

D O I：

10.19725/j.cnki.1007-2322.2009.06.006

中图分类号：

TM407 [维护、检修];

学科分类号：

摘要：

为了准确有效识别变压器故障模式,将粗糙集和量子神经网络结合进行变压器故障诊断。采用量子神经网络在宏观上收集数据信息,在微观上通过修正量子间隔将模糊交叉的数据按一定的比例合理分配到相关联的模式中,从而提高模式识别的准确性;利用粗糙集的约简去除冗余的属性、规则,提高量子神经网络的速率。与同输入下BP神经网络的诊断结果进行比较,可知本文方法在变压器故障模式识别方面具有更高的准确性。

引用

页码：26 / 29

页数：4

共 7 条

[1] 基于粗糙集与支持向量机的变压器故障诊断法 [J].