电气设备故障诊断.pptVIP

人工神经网络的诊断应用神经网络的应用包括：网络训练和网络应用两个层次。网络训练即是确定网络的模型，包括拓扑结构和节点函数及节点间联系；网络应用则是将需判别样本施加于网络输入端映射出网络输出或完整信息的过程在变压器实时监测诊断中，诸如绝缘的局部放电监测、色谱分析、常规试验等项目的分析均可以采用神经网络原理，且具有自组织、自学习、诊断效率高等显著优点。首先，将各种监测的特征量和响应的状态模式组织成二维的样本模型，作为网络的训练标准样本；然后，通过一定的学习算法，动态地调整网络内部结构和联系，以反映样本的本质意义；在应用中，将监测到的特征信息输入给网络，进行并行计算，得到网络输出，这个输出就是响应的实时监测状态模式，将用于状态判别。此外，采用自组织模型，神经网络还能够用于自动生成用于状态分析的特征量。根据自适应共振理论（AdaptiveResonanceTheory，简称ART），可以对任意多和任意复杂的二维模式进行自组织、自稳定，即具有自归一能力，根据某些特征量在全体中所占的比例，有时作为关键特征，有时又被当作噪声处理，实现在不需要事先已知样本结果时的非监督学习，将训练和应用融为一体。第31页，共55页，星期日，2025年，2月5日1.变压器油中溶解气体的神经网络分析模型第32页，共55页，星期日，2025年，2月5日1.变压器油中溶解气体的神经网络分析模型第33页，共55页，星期日，2025年，2月5日1.变压器油中溶解气体的神经网络分析模型第34页，共55页，星期日，2025年，2月5日1.变压器油中溶解气体的神经网络分析模型第35页，共55页，星期日，2025年，2月5日2.用人工神经网络识别三相放电的数值仿真研究放电模型用谱图二元表列数据进行识别用曲面拟合参数进行识别第36页，共55页，星期日，2025年，2月5日放电试验模型第37页，共55页，星期日，2025年，2月5日放电模型第38页，共55页，星期日，2025年，2月5日用谱图二元表列数据进行识别用人工神经网络识别放电前,先将?-q平面划分为18×20=360个小块,统计每秒内放电发生的?,q处于各小块内的次数n,得到谱图二元表列数据,依次作为网络输入。由此,输入层L=360。有4种放电类型,取输出层N=4,相应地有4组期望输出T,取TT值分别为(1,0,0,0),(0,1,0,0,),(0,0,1,0),(0,0,0,1)。取隐含层M=20第39页，共55页，星期日，2025年，2月5日第1页，共55页，星期日，2025年，2月5日序：传统人工智能的局限性及解决途径传统AI的基础是逻辑推理，且是在冯·诺依曼串行机上实现的，它要具备两个条件才能进行：将处理的问题都化成符号序列表示要给出处理这些符号的规则传统AI能解决的问题完全局限于人的逻辑思维所能解决的问题之内，完全是一种逻辑思维的模拟．而人脑除逻辑思维外，还有形象思维与逻辑表象等，因而单靠传统的AI不能很好地模拟智能。另外，对于无法形式化的问题；难以用AI来求解。最主要的局限——难以学习，不具有学习的系统很难模拟智能。要在基于逻辑推理的系统中实现学习虽不能说不可能，至目前难有大的进展。第2页，共55页，星期日，2025年，2月5日人工神经元网络具有自学习能力，将其与传统AI结合起来是模拟智能的很好的途径ANN是一种模仿人脑行为及其活动过程的推理分析方法，它具有自学习能力，能从一系列的数据中综合出规律性的知识——较为有效地解决了专家系统知识获取困难。一般认为，最早用数学模型对神经系统中的神经元进行理论建模的是美国心理学家麦卡洛克（W.McCulloch）和数学家皮茨（W.Pitts）。1943年建立了MP神经元模型。MP神经元模型首次用简单的数学模型模仿出生物神经元活动功能，并揭示了通过神经元的相互连接和简单的数学计算，可以进行相当复杂的逻辑运算这一令人兴奋的事实。第3页，共55页，星期日，2025年，2月5日人工神经元网络具有自学习能力，将其与传统AI结合起来是模拟智能的很好的途径ANN是一种模仿人脑行为及其活动过程的推理分析方法，它具有自学习能力，能从一系列的数据中综合出规律性的知识——较为有效地解决了专家系统知识获取困难。1957年，美国计算机学家罗森布拉特提出了著名的感知器Perceptron模型。它是一个具有连续可调权值矢量的MP神经网络模型，经过训练可达到对一定输入矢量模式进行识别的目的。1959年，当时的另外两位美国工程师威德罗和霍夫提出了自适应线性元件（Adaptivelinearelement）它是感知器的变化形