论文部分内容阅读
通过将气敏元件阵列技术和遗传神经网络相结合［1］，来检测电力变压器油中的4种微量故障特征气体(H2、C2H4、C2H2和CO)。实验结果表明，该技术的泛化能力较强，但识别精度在某些值处达不到实用的要求。例如，针对变压器油中故障特征气体的临界值在电力变压器早期故障诊断中的重要性，遗传神经网络数据融合技术需对混合气体临界值的识别精度作进一步提高。并在已有的融合技术基础上提出了一种新技术—分步分档识别法，可在大范围内保证识别的准确性，提高数据融合技术的实用性。该方法既可用于正常环境气氛，也可适用于特殊故障气氛环