基于神经元网络的发电机定子模型线棒放电模式识别的研究

被引：6

作者：

高凯

谈克雄

李福祺

吴成琦

机构：

[1] 清华大学电机系!北京

[2] 东北电力集团公司!沈阳

来源：

中国电机工程学报 | 1999年 / 10期

关键词：

电机绕组; 绝缘故障诊断; 人工神经元网络; 模式识别;

D O I：

10.13334/j.0258-8013.pcsee.1999.10.015

中图分类号：

TP183 [人工神经网络与计算];

学科分类号：

摘要：

设计了４种发电机定子线棒工业仿真模型，取得了不同放电模式（类型和发展程度）的大批试验数据。用φｑｎ三维谱图方式压缩放电信息，ｑ轴采用对数刻度。以谱图表列数据或曲面拟合参数为放电样本的特征量。为了能更有效地识别放电模式，研究了基于任务分解网络模块的人工神经元网络组。使用前馈网络构成类型识别主网络，网络有足够满意的类型识别率。对程度识别子网络，采用自组织特征映射网络可更形象地判断放电程度

引用

页码：65 / 68+72

页数：5