基于RS的QNN在变压器故障诊断中的应用

摘要：

本文利用量子神经网络(QNN)较好的分类效果将其应用到变压器故障诊断中,宏观上收集数据信息,微观上通过修正量子间隔按一定的比例将模糊交叉的数据分配给所有相关联的类别,提高模式识别的准确性;与此同时,将粗糙集(RS)理论与QNN相结合,通过RS约简去除冗余的属性、规则,提高量子神经网络的速率,并通过实例验证了该算法的有效性。

关键词： 量子间隔 模式识别 故障诊断 神经网络 变压器

作者: 刘宁

作者单位: 东北电力大学电气工程学院 吉林 吉林 132012

会议类型: 国内会议

会议名称: 中国高等学校电力系统及其自动化专业第二十五届学术年会

会议地点: 长沙

会议语种:中文

页码: 1-4

在线出版日期: 2009-10-01（万方平台首次上网日期，不代表论文的发表时间）