文献

J-GLOBAL ID：201602247790405744   整理番号：16A0902576

RBF神経回路網と適応遺伝的アルゴリズムの変圧器故障診断に基づく【JST・京大機械翻訳】

Transformer fault diagnosis based on RBF neural network and adaptive genetic algorithm

著者 (3件)： Liu Jingyan (School of Electricity & Automation Engineering, Henan Polytechnic University) ,  Wang Fuzhong (School of Electricity & Automation Engineering, Henan Polytechnic University) ,  Yang Zhanshan (School of Electricity & Automation Engineering, Henan Polytechnic University)
資料名： Wuhan Daxue Xuebao. Gongxue Ban  (Wuhan Daxue Xuebao. Gongxue Ban)
巻： 49  号： 1  ページ： 88-93  発行年： 2016年 
JST資料番号： C3015A  ISSN： 1671-8844  CODEN： WDXGAO  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 変圧器の故障徴候と故障タイプの間には複雑な非線形関係があるために,従来のBPニューラルネットワーク診断法を採用して,収束速度が遅く、精度が低いと自己適応能力の差などの欠点があった。以上の問題に対して,1つの適応に基づく遺伝的アルゴリズムのRBFニューラルネットワーク故障診断法を提案し,変圧器の故障特徴パラメータを入力として、主な故障のタイプを出力の故障診断モデルとして確立した;自己適応型遺伝的アルゴリズムとRBF神経回路網を有機的に結合した,自己適応RBF神経ネットワークの基底関数の中心と幅の最適化を行う遺伝的アルゴリズムを用いて,RBF神経回路網を最適化した後の変圧器故障診断に適用した。シミュレーションの結果,この診断モデルは,ネットワークの収束速度を加速する,RBFニューラルネットワークの一般化能力を改善して,故障診断の正確率を向上して,良好な実用性を有する。Data from the ScienceChina, LCAS.【JST・京大機械翻訳】

シソーラス用語： *故障 ,  ネットワーク ,  *遺伝的アルゴリズム ,  基底関数 ,  *変圧器 ,  最適化 ,  *故障診断 ,  *神経回路網
準シソーラス用語： 診断モデル ,  神経ネットワーク ,  動径基底関数ニューラルネットワーク ,  自己適応 ,  収束速度 ,  逆伝播ニューラルネットワーク ,  *適応遺伝的アルゴリズム , 【Automatic Indexing@JST】

著者キーワード (4件)： transformer ,  neural network ,  genetic algorithm ,  fault diagnosis

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (5件)： RbF ,  神経回路網 ,  適応遺伝的アルゴリズム ,  変圧器 ,  故障診断