带高斯噪声的受限玻尔兹曼机在变压器故障诊断中的应用

• 作者: 唐功友 宿浩 张健 王鲁昆 田春鹏 赵晓颖
• 来源期刊: 中国海洋大学学报（自然科学版）
• 学科: 工学
• 关键词: RBM 高斯噪声 深度学习 变压器故障
• 年，卷（期）: 2018,（6）
• 所属期刊栏目: 研究论文
• 页码范围: 114-119
• 页数: 6页
• 分类号: TM41
• 字数: 4095字
• 语种: 中文
• DOI: 10.16441/j.cnki.hdxb.20150437

摘要

研究变压器故障的诊断问题,根据变压器绝缘油中的特征气体含量与变压器故障类型的对应关系,提出一种基于受限玻尔兹曼机(Restricted Boltzmann Machine,RBM)模型的故障诊断方法.首先根据故障变压器绝缘油中的五种特征气体含量计算三比值数据,并在三比值数据中增加高斯噪声;然后利用RBM对数据进行无监督式训练与特征提取,利用反馈神经网络(Back Propagation,BP)对数据进行有监督式的训练并判断故障类型.仿真结果验证该算法的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	唐功友	中国海洋大学信息科学与工程学院	90	801	18.0	22.0
2	张健	中国海洋大学信息科学与工程学院	35	399	10.0	19.0
3	王鲁昆	中国海洋大学信息科学与工程学院	2	5	1.0	2.0
7	田春鹏	中国海洋大学信息科学与工程学院	4	28	2.0	4.0
8	宿浩	中国海洋大学信息科学与工程学院	12	31	2.0	5.0
9	赵晓颖	泰山医学院外国语学院	6	0	0.0	0.0