《表2 绕组神经网络的波形相似系数表》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于BP神经网络的变压器振动信号分离方法》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

利用已经学习好的绕组神经网络分离不同负载下所测得混合信号，结果如图6所示。蓝色曲线为不同变负载工况下的绕组源信号；红色曲线为基于B P神经网络所分离得到的绕组信号。由于绕组波形毛刺较多，对称性较差，且绕组源信号与经过神经网络分离出的绕组信号存在一定的相位差，因此，由时域图并不容易直观地看出分离的效果。但在经过傅里叶变化以后的频域图可以看出，源信号与分离出的信号在各个频率下的振动幅值几乎完全一样，分离效果总体理想，各测点的绕组神经网络的波形相似系数如表2所示。绕组神经网络在负载箱档位较低，即电流较小时的分离效果并不理想，随着档位提高，波形相似系数提高，当在用10档的混合信号进行神经网络的学习后，分离得到8档信号的波形相似系数的平均值为0.8 3 4。这是由于负载箱档位越低，电流越小，绕组振动幅值越小，信噪比越小，波形相似性较差，神经网络学习的相关系数也比铁心神经网络小，使得分离效果比铁心神经网络的分离效果要差。实际运行中变压器由于负载较大，电流较大，因此信噪比较大，分离效果理想。