變壓器油中六種溶解氣體在線監(jiān)測傳感器陣列法研究.pdf

1、變壓器油中溶解氣體在線監(jiān)測是實現變壓器特征氣體分析的有效方法，對有效獲得運行變壓器的絕緣狀況有積極的意義。多氣體傳感器監(jiān)測技術是實現變壓器多種氣體在線監(jiān)測的關鍵技術，由于存在交叉敏感問題使得目前該技術沒有得到很好的發(fā)展，從而影響對變壓器運行狀態(tài)的評估。解決這一問題的有效方法就是發(fā)展傳感器陣列檢測技術。論文研究了變壓器油中六種溶解氣體(H2，CO，CH4，C2H4，C2H2，C2H6)在線監(jiān)測的傳感器陣列法，并著重對其中的模式識別方法進行

2、了逐步深入的研究，在利用傳感器陣列獲取氣體組分和濃度多維信息的基礎之上，結合模式識別技術，對混合氣體進行定量分析。
　　 結合在線監(jiān)測氣體傳感器靈敏度、重復性以及響應特性的要求，對MQ型氣體傳感器進行了特性實驗，通過實驗驗證了MQ系列氣體傳感器具有良好的靈敏度、重復性和響應特性，基本滿足在線監(jiān)測的要求，但同時存在較深的交叉敏感。
　　 將主成分分析引入到BP神經網絡模式識別中，采用主成分分析消除傳感器陣列信號之間的相關性

3、，將其變換結果作為BP神經網絡的訓練樣本。兩者結合應用于傳感器陣列信號的模式識別中，通過對比表明，將主成分分析與BP神經網絡相結合，能有效地降低氣體傳感器交叉敏感的影響，提高混合氣體的檢測精度。但傳統的BP神經網絡學習速度慢，且容易陷入局部極小值，甚至于不能收斂。
　　 將遺傳算法與BP神經網絡相結合構成遺傳神經網絡，并將其應用于傳感器陣列信號的模式識別中。結果表明，遺傳神經網絡能有效地克服BP神經網絡陷入局部極小值的不足，提高

4、BP神經網絡的收斂速度，且識別精度較BP神經網絡有所提高。但遺傳算法保持群體多樣性的能力不足，使其不一定能收斂至全局最優(yōu)值。
　　 將免疫算法用于神經網絡權值的調整過程中，利用免疫算法保持群體多樣性的特點對權值進行全局搜索，在全局優(yōu)化的基礎之上采用BP算法進行局部搜索，構造了一種免疫神經網絡，并將其應用于傳感器陣列信號的模式識別中。結果表明，該神經網絡克服了傳統BP神經網絡和遺傳算法存在的不足，識別精度較遺傳神經網絡有進一步的提