| 【中文题名】 | 基于径向基神经网络的高压断路器故障诊断应用研究 |
| 【英文题名】 | Study of High-voltage Circuit Breaker Fault Diagnosis Based on RBFNN |
| 【学科专业】 | 电力系统及其自动化 |
| 【论文级别】 | 硕士论文 |
| 【投稿时间】 | 2007-8-21 |
| 【中关键词】 | 高压断路器,径向基函数神经网络,故障诊断,正交算法和梯度算法,, |
| 【英关键词】 | High-voltage circuit breaker,RBF neural network,Fault diagnosis,the Orthogonal and gradient algorithm, |
| 【分类导航】 | 工业技术>自动化技术、计算机技术>自动化基础理论>人工智能理论>人工神经网络与计算> |
| 【论文摘要】 |
电力系统中的设备故障不仅会影响系统正常运行，造成巨大的经济损失，而且当设备发生严重故障时甚至会导致整个系统的瘫痪。因此，对设备尤其是关键设备的故障进行早期预测、监测及诊断是保证系统安全运行、提高电力系统运行的可靠性的重要环节，也是近年来人们日益关注并致力研究的课题。作为自动化电器设备之一的高压断路器是发电和用电之间的联系环节，其重要性不言而喻。本文就人工神经网络技术应用于高压断路器操作机械方面的故障诊断进行了研究。
本文首先对径向基函数神经网络(Radial Basis Function Neural Network，RBFNN)的模型结构、特点、运作机理及影响网络学习泛化能力的一些因素等方面做了较为详细的介绍，同时给出实例说明了径向基函数神经网络方法在系统预测与辨识、故障诊断等方面的应用。
其次，作为本文的核心部分，本文着重研究了基于径向基函数神经网络模型建立的学习算法。在此基础上结合正交算法和梯度算法构建径向基函数神经网络模型应用于设备的故障诊断。并且借助Matlab仿真试验，结果表明该方法与传统的BP(Back Propagation，BP)网络相比具有训练快速、准确度高的特点... |
| 【论文题纲】 |
|
摘要 |
4-5 |
|
Abstract |
5-9 |
|
第1章 绪论 |
9-14 |
|
1.1 本课题的研究背景及意义 |
9-10 |
|
1.2 课题的国内外研究现状 |
10-12 |
|
1.3 本文研究的主要内容 |
12-13 |
|
1.4 本文的组织结构 |
13-14 |
|
第2章 径向基函数神经网络基础理论 |
14-27 |
|
2.1 引言 |
14 |
|
2.2 径向基函数神经网络的生理学基础 |
14-16 |
|
2.3 径向基函数神经网络的拓扑结构描述 |
16-18 |
|
2.4 径向基函数神经网络的工作原理 |
18-19 |
|
2.5 神经网络的学习训练过程 |
19-20 |
|
2.6 神经网络的泛化能力分析及影响因素 |
20-21 |
|
2.7 径向基函数神经网络应用实例分析 |
21-27 |
|
2.7.1 进行状态参数预测和系统辩识 |
21-24 |
|
2.7.2 BP神经网络与RBF神经网络模式分类的比较 |
24-27 |
|
第3章 正交-梯度算法的RBF神经网络的结构设计 |
27-43 |
|
3.1 引言 |
27 |
|
3.2 径向基函数神经网络常用的学习算法 |
27-33 |
|
3.2.1 聚类方法 |
28-29 |
|
3.2.2 梯度学习算法 |
29-31 |
|
3.2.3 正交最小二乘(OLS)学习算法 |
31-33 |
|
3.3 正交-梯度算法的RBF神经网络设计 |
33-39 |
|
3.3.1 训练样本数量的确定 |
33-34 |
|
3.3.2 训练样本集的准备 |
34-36 |
|
3.3.3 网络初始参数的确定 |
36-38 |
|
3.3.4 正交-梯度算法的RBF神经网络结构模型的建立 |
38-39 |
|
3.4 网络性能测试 |
39-43 |
|
第4章 正交-梯度算法的RBF神经网络在断路器机械故障诊断中的应用 |
43-66 |
|
4.1 引言 |
43 |
|
4.2 高压断路器简介 |
43-45 |
|
4.3 弹簧操作机构概述 |
45-46 |
|
4.4 操动机构有关参数的检测 |
46-50 |
|
4.4.1 合/分闸动触头行程和速度的测量 |
47-48 |
|
4.4.2 储能系统合闸弹簧状态的测量 |
48-49 |
|
4.4.3 合/分闸线圈电流的测量 |
49-50 |
|
4.5 基于正交-梯度算法的RBF网络故障诊断系统的建立 |
50-58 |
|
4.5.1 断路器合/分闸电气控制原理简介及模拟试验接线 |
50-52 |
|
4.5.2 正交-梯度算法的RBF神经网络故障诊断系统设计 |
52-58 |
|
4.6 实验测试 |
58-62 |
|
4.7 人机界面设计简介 |
62-66 |
|
结论和展望 |
66-68 |
|
致谢 |
68-69 |
|
参考文献 |
69-73 |
|
攻读硕士学位期间发表论文情况 |
73 |
|
| 【DOI】 | LunWen.ID:2.2008.388808 |
