[发明专利]基于传递函数特征主成分和神经网络的绕组变形识别方法在审
| 申请号： | 201810570047.X | 申请日： | 2018-06-05 |
| 公开（公告）号： | CN109033498A | 公开（公告）日： | 2018-12-18 |
| 发明（设计）人： | 罗勇芬;王璐;叶建区 | 申请（专利权）人： | 西安交通大学 |
| 主分类号： | G06F17/50 | 分类号： | G06F17/50;G06K9/62;G06N3/04;G06N3/08 |
| 代理公司： | 西安通大专利代理有限责任公司 61200 | 代理人： | 徐文权 |
| 地址： | 710049 陕*** | 国省代码： | 陕西;61 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于传递函数特征主成分和神经网络的绕组变形智能识别技术，属于绕组变形故障检测领域。首先，获取当前绕组传递函数或频率响应的零和极点，由它们的频率和幅值，以及它们相对基准绕组的变化构建特征量矩阵。其次，通过主成分分析法提取特征量矩阵的主成分后成为主成分特征向量，并对主成分特征向量归一化。最后，构建并训练BP神经网络，并利用这个BP神经网络识别变压器绕组当前机械状态。本发明根据降低维度的思想，有效提取绕组状态的主成分特征量，减小计算量和时间。相比于人工识别，本发明能很好表征绕组变形的类型、位置和程度与绕组结构之间的非线性关系，克服了人工识别的主观性和随机性，实现了绕组变形的智能识别。 | ||
| 搜索关键词： | 绕组变形 成分特征 传递函数 矩阵 人工识别 神经网络 构建 随机性 智能识别技术 主成分分析法 变压器绕组 非线性关系 向量归一化 故障检测 基准绕组 机械状态 频率响应 绕组结构 绕组状态 提取特征 智能识别 计算量 特征量 主观性 极点 减小 维度 向量 | ||
【主权项】：
1.基于传递函数特征主成分和神经网络的绕组变形识别方法，其特征在于，包括以下步骤：步骤1：获取当前绕组传递函数或频率响应的零和极点，根据零和极点的频率和幅值，以及其相对基准绕组的变化构建特征量矩阵；步骤2：通过主成分分析法提取特征量矩阵的主成分后成为主成分特征向量，并对主成分特征向量归一化；步骤3：构建并训练BP神经网络，并利用BP神经网络识别变压器绕组当前机械状态。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于西安交通大学，未经西安交通大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201810570047.X/，转载请声明来源钻瓜专利网。
