2025年2月12日
星期三
|
欢迎来到贵州省图书馆•公共文化服务平台
登录
|
注册
|
进入后台
[
APP下载]
[
APP下载]
扫一扫,既下载
全民阅读
职业技能
专家智库
参考咨询
您的位置:
专家智库
>
>
刘晓乐
作品数:
1
被引量:2
H指数:1
供职机构:
北京科技大学自动化学院
更多>>
发文基金:
中央高校基本科研业务费专项资金
北京市重点学科建设基金
更多>>
相关领域:
自动化与计算机技术
更多>>
合作作者
刘艳
北京科技大学自动化学院
作品列表
供职机构
相关作者
所获基金
研究领域
题名
作者
机构
关键词
文摘
任意字段
作者
题名
机构
关键词
文摘
任意字段
在结果中检索
文献类型
1篇
中文期刊文章
领域
1篇
自动化与计算...
主题
1篇
电力
1篇
电力变压器
1篇
学习机
1篇
油中溶解气体
1篇
油中溶解气体...
1篇
溶解气体
1篇
溶解气体分析
1篇
极限学习机
1篇
变压
1篇
变压器
1篇
变压器故障
机构
1篇
北京科技大学
作者
1篇
刘艳
1篇
刘晓乐
传媒
1篇
微型机与应用
年份
1篇
2015
共
1
条 记 录,以下是 1-1
全选
清除
导出
排序方式:
相关度排序
被引量排序
时效排序
基于极限学习机的变压器故障快速识别
被引量:2
2015年
针对基于传统神经网络的变压器故障识别诊断方法存在网络收敛慢、易陷入局部极小点和网络参数难确定的缺点,提出了一种基于极限学习机的电力变压器故障快速识别方法。该方法以变压器油中用于故障类型分析的5种主要溶解气体含量作为输入特征量,5种常见变压器状态作为输出量建立分类识别模型。实验结果显示,该方法的识别准确率比支持向量机高12.5%,识别速度是支持向量机的2.6倍,比概率神经网络快5.5倍以上,表明该方法对变压器故障的识别快速而有效。
刘晓乐
刘艳
关键词:
电力变压器
极限学习机
油中溶解气体分析
全选
清除
导出
共1页
<
1
>
聚类工具
0
执行
隐藏
清空
用户登录
用户反馈
标题:
*标题长度不超过50
邮箱:
*
反馈意见:
反馈意见字数长度不超过255
验证码:
看不清楚?点击换一张