正在进行安全检测...
发布时间：2023-10-04 04:58:12
神经网络在变压器油中局部放电判别中的应用摘要：在实验室样品的变压器油中的局部放电的检测已被使用两个电气和超声波技术进行。油在一个预先设置的内置电池中受到针平面电场的作用。在每一个实验中，使用一个给定大小的粒子的被污染的油。使用电流测量电阻记录放电产生的电信号。声学信号是通过固定一个商业的声发射探头的外部的容器和记录由放电给出的声信号。对电气和声学信号进行了分析，并产生小的颗粒类型的辨别。在频域中的信号的分析产生了类似的负面结果。用一个简单的三层反向传播的神经网络来尝试区分类型的粒子之间的利用频谱。使用频域允许网络进行训练，而无需精确定位数据窗口中的放电信号。声学信号数据被确认为100%的准确度，而测试数据被确认为超过95%的准确度。电气信号是不太适合判别，95%的训练数据被正确识别和超过90%的测试数据。更低劣的公认电气信号的性能的原因可能在于电磁干扰和杂散电容。引言绝缘材料中的局部放电检测是一个备受关注的领域。这部分工作涉及到使用人工神经网络（ANN）的放电类型[1,2,3]分类。在液体中的排放检测和后续的分类已经被注意到了。这是本文讨论的领域。我们已知存在的杂质颗粒在绝缘油中的有害的油脂[4,5,6]质量。当在给定体积的油量时，必须考虑颗粒大小、颗粒物和粒子数等参数的数量。通过控制这些参数可以通过放电信号的污染物性质的信息记录电和声信号。希望能从放电特性、良好的和不好的样品中区分油。使用人工神经网络正在成为在信号处理和数据分析方面的标准技术。类似的方法应用在放电的和声音信号[7]的判别。在人工神经网络的使用中提出两种类型的信号的应用。设备用于声发射检测实验装置（AE）和电气信号在图1中给出。该钻机是用于记录快速电流脉冲和声发射信号，结合投影光学系统。使用1GHz带宽存储的TektronicsTDS540示波器对电流脉冲和AE信号进行检测。使用的PC自动化测量。图2描述了测试单元。光学窗口存在于细胞的前后。所用的电极结构为点面电极。点电极是一个接近100点的尖端半径的抛物线。电气信号测量上的50欧姆的电阻连接到（底部）平面电极。使用1兆赫的声发射探头获得的声信号。一种特殊的支架被构造在细胞的侧面上的声发射探头。电气和声学信号之间的延迟是12ps，这表明，所获得的信号没有电回升。所用的颗粒是中空的玻璃球，下面是银镀膜中空玻璃球大小分布：
正在进行安全检测...
