摘要:针对目前建筑电气火灾故障鉴定方法的局限性,为提高电气火灾的故障识别能力和准确性,提出了基于人工神经网络的建筑电气火灾故障智能识别方法。充分利用神经网络的非线性处理及自学习能力,通过加入动量项改进BP神经网络收敛速度慢、易陷入局部极小点的缺陷,对故障样本进行训练,并仿真测试。实验结果表明,与传统故障识别方法相比,该算法有效地避免了陷入局部极小、诊断正确率不高等问题,提高了收敛速度和故障诊断效率,更能确切反映电气火灾的实际故障。
注:因版权方要求,不能公开全文,如需全文,请咨询杂志社
热门期刊服务
相关文章
影响因子:0.34
期刊级别:部级期刊
发行周期:月刊
期刊在线咨询,1-3天快速下单!
查看更多>
超1000杂志,价格优惠,正版保障!
一站式期刊推荐服务,客服一对一跟踪服务!