论文部分内容阅读
本文对油中溶解气体分析（DGA）数据的归一化预处理，利用可靠性数据分析中特征气体浓度和累积频率的概念，提出了两种新的归一化方法：特征浓度归一化法和混合归一化法，引入Fisher准则函数来评价两种预处理方法的效果。检验结果表明，这两种归一化的数据预处理方法可获得类间均值差值较大，类内离散度小的效果。运用不同的归一化预处理方法对故障变压器的色谱数据进行处理后作为训练样本，对CP算法的组合神经网络进行训练。对检验样本的诊断结果表明，新的归一化预处理方法能够提高网络诊断的准确率。