摘要
本发明公开了数据驱动联合规则后验调整的变压器故障诊断方法及系统,属于变压器故障诊断技术领域,所述方法包括:获取待诊断变压器的油中气体数据;基于油中气体数据提取特征;将所述特征输入预先训练好的数据驱动模型,获得原始概率向量;将所述特征输入预先训练好的决策树分类器中,获得规则概率向量;将原始概率向量和规则概率向量补偿融合,得到故障诊断结果。本发明通过深度置信网络学习数据潜在特征关系,同时引入浅层决策树提取显式规则,并设计基于后验置信度补偿的融合机制,实现模型与结构化知识的动态协同,显著提升故障诊断的准确率和鲁棒性。
技术关键词
变压器故障诊断方法
数据驱动模型
决策树分类器
受限玻尔兹曼机
深度置信网络
诊断变压器
节点
变压器故障诊断系统
变压器故障诊断技术
样本
故障类别
构建训练集
气体
计算机程序产品
故障特征
处理器通信
无监督
系统为您推荐了相关专利信息
食品健康搭配
计算机智能分析
感官
多任务深度学习
计算机人工智能
优化调控模型
数据驱动模型
水库
水动力计算方法
支持向量机理论
电池健康状态
寿命预测模型
数据驱动模型
轻量级神经网络
计算资源受限
变压器故障诊断方法
有源谐波滤波器
直流偏磁
机器学习分类算法
抑制谐波干扰
深度残差网络模型
建筑图像数据
数据驱动模型
结构健康状态
实时监测方法