基于Super SAB神经网络算法的主变压器故障诊断模型

人工神经网络(ANN)由于其高度的非线性映射能力在电力系统模式识别及非线性优化领域有着广泛深入的应用研究。本文将Super SAB神经网络算法应用于主变压器溶解气体故障诊断(DGA),通过与带动量因子的标准BP算法、Bold Driver算法比较,验证Super SAB算法在故障模式识别中具有更好的学习效率与泛化能力,故障诊断的准确度高于传统分析方法,表明其在变电设备状态诊断中具有良好的应用前景。

基于前向神经网络的呈香物质识别方法研究

介绍了所研制的一个人工嗅觉装置,详细叙述该装置对呈香物质的识别过程。实验结果表明,采用SuperSAB算法可以显著地提高人工嗅觉装置对香气物质的分析识别速度,为在线检测提供了条件,同时实验结果的准确性也较满意。

挥发性有机化合物的浓度测定方法研究

介绍了一种新的分析识别挥发性有机化合物(VOCs)的实验装置,详细叙述了快速分析10种不同浓度的VOCs溶液的实验过程。实验结果表明,在此装置中采用SuperSAB算法可以显著提高对VOCs溶液的分析识别速度。实验结果的准确性也令人满意。