将自适应调整学习率引入案例推理进行变压器的故障类型识别。基于自适应调整学习率理论,通过改进数据归一化处理法、数据筛选法提取匹配的最佳原案例,并得到最优神经网络。同时,在案例样本处理和分析过程中根据待求解故障类型特征数据自动调整处理方法、流程、边界条件及约束条件,以使其达到最佳处理效果。实例分析的结果表明,该方法可以克服油中溶解气体数据模糊性和适用性问题,在识别的准确率以及算法收敛的速度上具有优势。
科研之友
微信
新浪微博
Facebook
分享链接
