| 用于变压器故障特征气体分析的气敏阵列传感系统 |
| |
| 引用本文： | 吴浩扬,常炳国,朱长纯,刘君华,周晓华.用于变压器故障特征气体分析的气敏阵列传感系统[J].西安交通大学学报,2000,34(4):23-25,32. |
| |
| 作者姓名： | 吴浩扬 常炳国 朱长纯 刘君华 周晓华 |
| |
| 作者单位： | 1. 西安交通大学,710049,西安
2. 西安电子科技大学 |
| |
| 基金项目： | 国家自然科学基金资助项目! (6 96 76 0 0 4)，国家教委博士点基金资助项目!(980 6 982 8) |
| |
| 摘 要： | 提出将气敏元件阵列技术和径向基函数神经网络（Ｒａｄｉａｌ Ｂａｓｉｓ ＦｕｎｃｔｉｏｎＮｅｕｒａｌＮｅｔｗｏｒｋ，ＲＢＦ－ＮＮ）相结合，以检测电力变压器油中的４种微量故障特征气体（１＊１０＾－６－１０＊１０＾－６级Ｈ２、Ｃ２Ｈ４、Ｃ２Ｈ２和５０＊１０＾－６级ＣＯ）。实验结果表明，与目前基于误差反向传播算法（ＥｒｒｏｒＢａｃｋ－ＰｒｏｐａｇａｔｉｏｎＡｌｇｏｒｔｈｍ，ＢＰ）神经网络的气体分析结果相比
|
| 关 键 词： | 气敏阵列传感系统 电力变压器 故障特征气体 |
Gas Sensor Array System for Analyzing Fault in Transformer |
| |
| Wu Haoyang,Chang Bingguo,Zhu Changchun,Liu Junhua,Zhou Xiaohua.Gas Sensor Array System for Analyzing Fault in Transformer[J].Journal of Xi'an Jiaotong University,2000,34(4):23-25,32. |
| |
| Authors: | Wu Haoyang Chang Bingguo Zhu Changchun Liu Junhua Zhou Xiaohua |
| |
| Abstract: | Gas sensor array technique and RBF(radial basis function) neural network are applied to analyze four mixed gases dissolved in transformer oil. The results show that the gas sensor array system can overcome disadvantages of BP neural network such as determining the local minimum. Its learning speed is 2 to 3 orders of magnitude faster than BP neural network. Confirmation is obtained by experiments. |
| |
| Keywords: | gas sensor array RBF neural networks dissolved gases analysis |
| 本文献已被 CNKI 维普 万方数据 等数据库收录！ |
