高电压技术
高電壓技術
고전압기술
HIGH VOLTAGE ENGINEERING
2013年
2期
257-264
,共8页
唐炬%范敏%谭志红%孙才新
唐炬%範敏%譚誌紅%孫纔新
당거%범민%담지홍%손재신
SF6%局部放电(PD)%交叉响应%主成分分析(PCA)%径向基函数(RBF)%神经网络%相关性%检测准确度
SF6%跼部放電(PD)%交扠響應%主成分分析(PCA)%徑嚮基函數(RBF)%神經網絡%相關性%檢測準確度
SF6%국부방전(PD)%교차향응%주성분분석(PCA)%경향기함수(RBF)%신경망락%상관성%검측준학도
SF6局部放电(PD)时,某些特征分解组分气体的红外吸收频带存在重叠部分,利用光声检测法检测其成分时会有严重的交叉响应,影响检测准确度.为此.将主成分分析(PCA)与径向基函数(RBF)神经网络相结合,构建了一种能降低交叉响应的PCA-RBF神经网络,应用于光声检测法输出信号阵列的处理,以解决传统RBF神经网络在输入空间严重自相关时检测准确度的下降,实现对SO2、CO2、CF1混合气体中各组分气体体积分数的准确检测.结果表明:PCA RBF神经网络有效地消除了样本之间的相关性,提高了神经网络对混合气体中各组分气体体积分数的检测准确度(平均相对误差<3%).为将光声检测法应用于SF6局部放电分解组分气体的检测提供了有效的数据处理手段.
SF6跼部放電(PD)時,某些特徵分解組分氣體的紅外吸收頻帶存在重疊部分,利用光聲檢測法檢測其成分時會有嚴重的交扠響應,影響檢測準確度.為此.將主成分分析(PCA)與徑嚮基函數(RBF)神經網絡相結閤,構建瞭一種能降低交扠響應的PCA-RBF神經網絡,應用于光聲檢測法輸齣信號陣列的處理,以解決傳統RBF神經網絡在輸入空間嚴重自相關時檢測準確度的下降,實現對SO2、CO2、CF1混閤氣體中各組分氣體體積分數的準確檢測.結果錶明:PCA RBF神經網絡有效地消除瞭樣本之間的相關性,提高瞭神經網絡對混閤氣體中各組分氣體體積分數的檢測準確度(平均相對誤差<3%).為將光聲檢測法應用于SF6跼部放電分解組分氣體的檢測提供瞭有效的數據處理手段.
SF6국부방전(PD)시,모사특정분해조분기체적홍외흡수빈대존재중첩부분,이용광성검측법검측기성분시회유엄중적교차향응,영향검측준학도.위차.장주성분분석(PCA)여경향기함수(RBF)신경망락상결합,구건료일충능강저교차향응적PCA-RBF신경망락,응용우광성검측법수출신호진렬적처리,이해결전통RBF신경망락재수입공간엄중자상관시검측준학도적하강,실현대SO2、CO2、CF1혼합기체중각조분기체체적분수적준학검측.결과표명:PCA RBF신경망락유효지소제료양본지간적상관성,제고료신경망락대혼합기체중각조분기체체적분수적검측준학도(평균상대오차<3%).위장광성검측법응용우SF6국부방전분해조분기체적검측제공료유효적수거처리수단.