您的位置： 专家智库 > >

周晓华

作品数：2 被引量：20H指数：2
供职机构：西安电子科技大学更多>>
发文基金：国家自然科学基金国家教育部博士点基金更多>>
相关领域：电气工程石油与天然气工程更多>>

合作作者

文献类型

  • 2篇中文期刊文章

领域

  • 2篇电气工程
  • 1篇石油与天然气...

主题

  • 2篇变压
  • 2篇变压器
  • 1篇电力
  • 1篇电力变压器
  • 1篇神经网
  • 1篇神经网络
  • 1篇神经网络法
  • 1篇特征气体
  • 1篇网络
  • 1篇径向基
  • 1篇径向基函数
  • 1篇基函数
  • 1篇基于径向基函...
  • 1篇变压器故障
  • 1篇变压器油

机构

  • 2篇西安交通大学
  • 2篇西安电子科技...

作者

  • 2篇吴浩扬
  • 2篇刘君华
  • 2篇周晓华
  • 2篇常炳国
  • 1篇朱长纯

传媒

  • 2篇西安交通大学...

年份

  • 1篇2000
  • 1篇1999
共 2 条 记 录，以下是 1-2
全选 清除 导出
排序方式：
基于径向基函数神经网络法识别变压器油中微量特征气体被引量：8
1999年
研究了采用气敏阵列与神经网络技术检测混合气体浓度的一种新方法，并将其应用于探测变压器油中微量特征气体．实验检测了φ（Ｈ２） 为０ ～５ ×１０ － ６ 和φ（Ｃ２ Ｈ２） 为１ ×１０ － ６ ～１３ ×１０ － ６ 的混合气体，结果测得氢气绝对误差最大值为０ ．１７ ×１０ － ６ ，乙炔绝对误差最大值为０ ．５３ ×１０ － ６ ．可见，该方法有效地提高了气敏元件的选择性。
常炳国吴浩扬刘君华周晓华
关键词：径向基函数神经网络特征气体变压器油
用于变压器故障特征气体分析的气敏阵列传感系统被引量：12
2000年
提出将气敏元件阵列技术和径向基函数神经网络 (RadialBasisFunctionNeuralNetwork ,RBF NN)相结合 ,以检测电力变压器油中的 4种微量故障特征气体 (1× 10 - 6 ～ 10× 10 - 6 级H2 、C2 H4 、C2 H2 和 50× 10 - 6 ～ 30 0× 10 - 6 级CO) .实验结果表明 ,与目前基于误差反向传播算法 (ErrorBack PropagationAlgorithm ,BP)神经网络的气体分析结果相比 ,所报导的气敏阵列传感系统可克服BP神经网络易陷入局部极小的缺点 ,同时学习速度快 2至 3个数量级 ,具有良好的应用前景 .
吴浩扬常炳国朱长纯刘君华周晓华
关键词：电力变压器
全选 清除 导出
共1页<1>
聚类工具0