论文部分内容阅读
将气敏元件阵列技术和遗传神经网络相结合，检测了电力变压器油中的4种微量故障特征气体(1×10－6～70×10－6级的φ(H2)、φ(C2H4)、φ(C2H2)和50×10－6～550×10－6级的φ(CO))．计算结果表明，单一网络的泛化能力较强，但识别准确度在某些值处达不到实用的要求．针对变压器油中故障特征气体临界值的识别在电力变压器早期故障诊断中的重要性，提出了一种利用遗传神经网络进一步提高混合气体临界值识别准确度的新技术，即多重遗传神经网络识别法，它既可以在大