电光与控制
電光與控製
전광여공제
ELECTRONICS OPTICS & CONTROL
2013年
4期
72-76
,共5页
陈忱%胡薇薇%孙宇锋%祁邦彦
陳忱%鬍薇薇%孫宇鋒%祁邦彥
진침%호미미%손우봉%기방언
电能表%故障检测方法%AdaBoost算法%BP神经网络
電能錶%故障檢測方法%AdaBoost算法%BP神經網絡
전능표%고장검측방법%AdaBoost산법%BP신경망락
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.
為瞭解決現有電子式電能錶故障檢測方法精度偏低、訓練速度慢的問題,提齣一種BP-AdaBoost複閤神經網絡故障預測方法.首先,在單一BP神經網絡的基礎上,利用組閤分類器算法AdaBoost對其進行改進,將多箇單一BP神經網絡作為弱分類器,多次迭代訓練得到彊分類器;隨後,將該故障預測方法應用于電子式電能錶的典型故障——整流橋故障的分類判彆中;利用Simulink搭建電子式電能錶倣真模型,選取故障註入點與觀測點,倣真運行生成的故障數據作為BP-AdaBoost算法的處理對象.倣真結果錶明,BP-AdaBoost故障預測方法與單一BP神經網絡故障預測方法相比,能提高預測精度,顯著減小誤差,在實際應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.