《表4 测试样本的输出结果》
按照第3.1节中所述的故障诊断系统的实施步骤,编写BP神经网络程序,将表4中的训练样本的特征向量和期望的输出结果输入,进行BP神经网络训练,经过10次网络学习后满足误差要求,误差收敛曲线如图20所示,横坐标为学习次数,纵坐标为平方和误差,再将测试样本输入,进行故障诊断。对于定子端电压和转子端电流的样本信号的处理方法和定子端电流一致,最终测试结果如表4所示。在测试定子端电流和转子端电流时,故障状态输出准确,但在测试定子端电压的第22组样本数据时,BP神经网络出现错误,未输出故障状态,但经过逻辑运算单元后仍得到准确的故障诊断结果。所以,对于传统的基于小波包分析和神经网络的故障诊断方法,只使用一种电气量来对故障进行诊断,会有一定的错误率,使用该逻辑运算单元即可以降低错误率,提高故障诊断的准确性。
图表编号 | XD00149561200 严禁用于非法目的 |
---|---|
绘制时间 | 2020.07.01 |
作者 | 吕艳玲、高钰婷、张健、邓晨旻、侯仕强 |
绘制单位 | 哈尔滨理工大学电气与电子工程学院、哈尔滨理工大学电气与电子工程学院、国家电网黑龙江省电力有限公司电力科学研究院、哈尔滨理工大学电气与电子工程学院、哈尔滨理工大学电气与电子工程学院 |
更多格式 | 高清、无水印(增值服务) |