买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：合肥工业大学

摘要：本发明公开了一种基于RFID传感标签及IGWO‑ELM的变压器故障诊断方法，方法步骤如下：S1：搭建RFID传感标签变压器信号采集实验平台；S2：实验平台通过无线电波与RFID阅读器之间进行信息交互同时负责将标签返回的数据传送至上位机；S3：上位机将采集的振动信号，经过稀疏深度置信网络SDBN后作为最终分类的特征向量；S4：将训练集送入改进的极限学习机IGWO‑ELM中进行训练；S5：利用测试集对训练好的改进的极限学习机IGWO‑ELM进行测试，分析诊断结果并将结果在上位机的显示界面中显示出来。本发明解决了传统变压器故障诊断方法存在的操作复杂，功耗高等问题，以及传统特征提取方法不适合应用于变压器中突变故障信号和非平稳故障信号的特征提取问题。

主权项：1.一种基于RFID传感标签及IGWO-ELM的变压器故障诊断方法，其特征在于，所述方法步骤如下：S1：搭建RFID传感标签变压器信号采集实验平台；S2：实验平台通过无线电波与RFID阅读器之间进行信息交互，RFID传感标签采集变压器振动信号后，RFID阅读器负责将上位机的命令传送给标签，同时RFID阅读器负责将标签返回的数据传送至上位机；上位机在采集变压器振动信号后进行数据预处理，通过将振动信号数据分类整理，模拟变压器实际使用过程中产生的8种状态；S3：上位机将采集的振动信号，经过稀疏深度置信网络SDBN后作为最终分类的特征向量，样本数据按5:3的比例划分为训练集和测试集；步骤S3中上位机将采集的振动信号，经过稀疏深度置信网络SDBN后作为最终分类的特征向量的具体方法步骤如下：S31：把采集到的变压器振动信号分别经过稀疏深度置信网络SDBN，提取深层故障特征，稀疏深度置信网络SDBN的具体构建步骤如下：受限玻尔兹曼机RBM的稀疏性约束：ajxi＝fwj·xi+bj 式中：ajxi为隐藏层神经元j的激活度函数，为隐藏层神经元的平均激活值；为满足稀疏性约束条件，要求隐含层神经元平均激活值接近0，因此引入稀疏性参数ρ，通常目标值接近于0，使用KL散度公式来衡量与ρ间距离，使j＝ρ，m为隐藏层神经元数，f指的就是激活度函数，i表示信号样本集数量，w表示网络的权重矩阵，b表示偏置参数，x表示信号样本，n表示求和公式的参数，ajxi表示激活度函数： 通过在RBM中引入稀疏机制，构建SRBM稀疏深度置信网络模型，使RBM可以学习到稀疏表达，在此基础上构建SDBN，该结构由若干SRBM串联组成，上一个SRBM隐含层为下一个SRBM可视层，上一个SRBM输出为下一个SRBM输入；S32：通过SDBN模型的特征提取操作，将提取出的特征向量作为后续分类器的输入数据；S4：将训练集送入改进的极限学习机IGWO-ELM中进行训练；S5：利用测试集对训练好的改进的极限学习机IGWO-ELM进行测试，分析诊断结果并将结果在上位机的显示界面中显示出来。

全文数据：

权利要求：

百度查询： 合肥工业大学 一种基于RFID传感标签及IGWO-ELM的变压器故障诊断方法