局部放電模式識別分類器

來源：揚州國浩電氣有限公司 2025年05月08日 07:09

在模式識別中，通常將分類器概括為貝葉斯((Bayes)分類器、線性分類器、非線性分類器、聚類分析分類器、模糊識別分類器等。根據對近10年局部放電模式識別具體應用情況的分析，我們主要介紹人工神經網絡分類器應用的概況。人工神經網絡是由許多具有非線性映射能力的神經元組成，神經元之間通過權系數相連接。人工神經網絡的信息分布式存儲于連接權系數中，具有很高的容錯性和魯棒性，而模式識別中往往存在噪聲干擾和輸入模式的部分損失，人工神經網絡的這一特點是其成功解決模式識別問題的主要原因之一。因此，人工神經網絡在局部放電模式識別中得到了泛應用，并取得了良好的應用效果。

①BP神經網絡

BP神經網絡是一種有導師學習網絡，主要采用反向傳播((Back-propagation，簡稱BP)算法進行學習訓練。三層以上的BP神經網絡學習算法比較復雜，一般使用不多。在局部放電模式識別應用中，BP神經網絡得到了廣泛的應用。BP網絡的學習算法的就是梯度下降法，但是存在訓練時間較長，且易陷于局部極小等兩個不足之處。

②自組織特征映射網絡

自組織特征映射(Self-organizing Map，簡稱SOM)網絡采用模擬大腦神經系統自組織特性映射功能進行競爭學習，是一種無監督自組織學習網絡。它由輸入、輸出層組成，采用Kohonen算法學習，又稱Kohonen網絡。SOM網絡通過對輸入模式的反復學習，可以使連接權向量空間分布密度與輸入模式概率分布一致，因此可用于模式分類及特征檢測。SOFM網絡簡單，計算量也少，但是研究表明SOFM在PD信號模式識別中的識別率較低。

③ART網絡

基于自適應共振理論(Adaptive Resonance Theory，簡稱ART)的神經網絡，其模型理論建立在人類的心理和認知活動基礎上。自適應共振理論網絡，用生物神經細胞自興奮與側抑制的動力學原理指導學習。有學者研究了自適應共振理論網絡在局部放電模式識別中的應用。ART的不足之處在于過分敏感，輸入有小的變化時，輸出變化很大。

④遺傳神經網絡

遺傳算法(Genetic Algorithm，簡稱GA)是一種借鑒生物進化思想的高度并行、隨機、自適應搜索算法。有學者研究了遺傳神經網絡在局部放電模式識別中的應用。遺傳算法的算法較復雜，收斂于局部極小的較早收斂問題尚未解決。

另外，研究人員應用正交小波神經網絡對局部放電統計特征進行了識別。小波神經網絡(Wavelet neural network，簡稱WNN)是小波理論與人工神經網絡相結合的一種前饋型網絡。其思想是用小波元代替了神經元，即用已定位的小波函數代替Sigmoid函數作激活函數，或者神經元之間的權值是小波變換函數，用通過仿射變換建立起來的小波變換與網絡系數之間的連接，并應用于函數逼近。小波神經網絡兼容了小波變換與神經網絡的性，一方面，充分利用了小波變換的時頻局部化特性；另一方面，發揮了神經網絡的自學習特性，從而具有較強的逼近與容錯能力。但是小波神經網絡中同樣存在它的固有缺點一收斂速度慢、容易陷入局部極小。

相關產品

免責聲明

凡本網注明“來源：儀表網”的所有作品，均為浙江興旺寶明通網絡有限公司-儀表網合法擁有版權或有權使用的作品，未經本網授權不得轉載、摘編或利用其它方式使用上述作品。已經本網授權使用作品的，應在授權范圍內使用，并注明“來源：儀表網”。違反上述聲明者，本網將追究其相關法律責任。
本網轉載并注明自其它來源（非儀表網）的作品，目的在于傳遞更多信息，并不代表本網贊同其觀點或和對其真實性負責，不承擔此類作品侵權行為的直接責任及連帶責任。其他媒體、網站或個人從本網轉載時，必須保留本網注明的作品第一來源，并自負版權等法律責任。
如涉及作品內容、版權等問題，請在作品發表之日起一周內與本網聯系，否則視為放棄相關權利。