CAJ | 학술논문

为了解决现有电子式电能表故障检测方法精度偏低、训练速度慢的问题,提出一种BP-AdaBoost复合神经网络故障预测方法.首先,在单一BP神经网络的基础上,利用组合分类器算法AdaBoost对其进行改进,将多个单一BP神经网络作为弱分类器,多次迭代训练得到强分类器；随后,将该故障预测方法应用于电子式电能表的典型故障——整流桥故障的分类判别中；利用Simulink搭建电子式电能表仿真模型,选取故障注入点与观测点,仿真运行生成的故障数据作为BP-AdaBoost算法的处理对象.仿真结果表明,BP-AdaBoost故障预测方法与单一BP神经网络故障预测方法相比,能提高预测精度,显著减小误差,在实际应用中具有一定可行性.
위료해결현유전자식전능표고장검측방법정도편저、훈련속도만적문제,제출일충BP-AdaBoost복합신경망락고장예측방법.수선,재단일BP신경망락적기출상,이용조합분류기산법AdaBoost대기진행개진,장다개단일BP신경망락작위약분류기,다차질대훈련득도강분류기；수후,장해고장예측방법응용우전자식전능표적전형고장——정류교고장적분류판별중；이용Simulink탑건전자식전능표방진모형,선취고장주입점여관측점,방진운행생성적고장수거작위BP-AdaBoost산법적처리대상.방진결과표명,BP-AdaBoost고장예측방법여단일BP신경망락고장예측방법상비,능제고예측정도,현저감소오차,재실제응용중구유일정가행성.