基于偏最小二乘神经网络的大电机定子绝缘击穿电压混合预测方法
Proceedings of the CSEE（2007）
摘要
应用混合计算智能方法,进行大型发电机定子绝缘击穿电压预测以对其剩余寿命进行评估.为了解决在样本数较少及自变量间存在多重相关性时的击穿电压预测问题,文中通过将RBF神经网络和偏最小二乘(PLS)集成在一起,来计算PLS输入的外部模型权值,利用PLS方法提取变量成份来降低输入变量维数,这样消除了变量建模时的共线性,从而大大提高PLS的建模能力,同时利用RBF神经网络的非线性拟合能力来捕获变量投影空间的非线性关系.另外,在建模过程中对原始数据进行了中心化和压缩处理,以消除参数的量纲效应.大电机定子击穿电压预测试验结果表明:混合模型的预测结果明显优于传统的预测模型.
更多查看译文
AI 理解论文
溯源树
样例
生成溯源树，研究论文发展脉络
Chat Paper
正在生成论文摘要