[发明专利]基于DBN-GA神经网络的高压断路器故障检测方法有效
| 申请号： | 201810954033.8 | 申请日： | 2018-08-21 |
| 公开（公告）号： | CN109270442B | 公开（公告）日： | 2021-02-12 |
| 发明（设计）人： | 黄新波;胡潇文;朱永灿;王钧立;蒋卫涛;许艳辉 | 申请（专利权）人： | 西安工程大学 |
| 主分类号： | G01R31/327 | 分类号： | G01R31/327;G06K9/62;G06N3/12 |
| 代理公司： | 西安弘理专利事务所 61214 | 代理人： | 涂秀清 |
| 地址： | 710048 *** | 国省代码： | 陕西;61 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开的基于DBN‑GA神经网络的高压断路器故障检测方法，具体按照如下过程：将在线监测系统监测的电流数据，作为输入变量；然后，利用基于深度信念神经网络的深度学习算法构建故障类型预测模型，确定限制玻尔兹曼机模型，记为RBM，将一部分电流数据样本提取到构建该模型并进行训练；经过对受限玻尔兹曼机的训练后，对整个深度信念神经网络模型进行训练学习；最后将所有的数据输入到训练好的故障类型预测模型中，由故障类型预测模型对输入的分合闸线圈电流数据进行处理，完成对高压断路器故障检测。本发明公开的方法在弥补人工神经网络检测的不足的同时，能更加准确有效地判断断路器的故障类型，进而能够有效率的检修。 | ||
| 搜索关键词： | 基于 dbn ga 神经网络 高压 断路器 故障 检测 方法 | ||
【主权项】：
1.基于DBN‑GA神经网络的高压断路器故障检测方法，其特征在于，具体按照如下步骤进行：步骤1.首先，连接好分合闸线圈电流在线监测系统，然后利用分合闸线圈电流在线监测系统实时监测得到的分合闸线圈电流数据，并将实时监测得到的分合闸线圈电流数据作为输入变量；步骤2.利用基于深度信念神经网络的深度学习算法构建故障类型预测模型，确定限制玻尔兹曼机模型，记为RBM，将经步骤1得到的一部分分合闸线圈电流数据样本提取到构建该模型并进行训练；经过对受限玻尔兹曼机的训练后，对整个深度信念神经网络模型进行训练学习；步骤3.将经步骤1得到的所有分合闸线圈电流数据输入到经步骤2训练好的故障类型预测模型中，由故障类型预测模型对输入的分合闸线圈电流数据进行处理，完成对高压断路器故障检测。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于西安工程大学，未经西安工程大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201810954033.8/，转载请声明来源钻瓜专利网。
