外文翻译原文..doc

编号： 　毕业设计外文翻译 （译文） 院 （系）： 机电工程学院 专 业： 机械设计制造及其自动化 学生姓名： 学 号： 指导教师单位： 机电工程学院 姓 名： 职 称： 题目类型：¨理论研究 ¨实验研究 t工程设计 ¨工程技术研究 ¨软件开发 2013年3月18日 调试人工神经网络来区分励磁涌流和内部故障 摘要--经过调试的前馈神经网络（FFNN）区分电力变压器励磁涌流和故障电流。所用的调试算法是反向传播，假定最初的S型传递函数为网络处理单元（“神经元”）。那么网络进行训练单位的传递函数改为硬限幅器的阈值等于在调试中的S形偏差。本文展示一个FFNN可被视为一种替代方法，使数字继电器在浪涌和故障电流之间实现判别。 关键词： 浪涌电流，变压器保护，数字式继电器，神经网络。 1、简介 任何电源变压器保护方案，都要考虑到励磁涌流的影响，因为这种效应可能导致继电器的误操作 [1]。避免由于浪涌电流跳闸两个经典的方法是：1）实施保护装置中的延迟， 2）根据所测量的电流的谐波含量,抑制或阻断继电器动作。第一个解决方案已被用于初级过电流保护和在差分格式中。然而，这是不理想的，因为延迟内部故障跳闸时间存在潜在危险。第二个解决方案是基于浪涌电流的第二次高次谐波分量明显地大于典型的故障电流[2]，在此基础上检测到第二（有时第五次）谐波，提出并实现了模拟和数字两种差动继电器，并取得良好的效果[3,4,5,6,7]。在最近的论文[8]报道，在某些情况下，高次谐波产生变压器的内部故障期间，如果测得的过电流是一个浪涌或内部故障，那么所述的第二或第五谐波检测是不充分的指标。 该论文中，在提出的方法的基础上使用一个主相电压作为控制信号。也有隐式励磁涌流的变压器保护方法[9,10]和提出其他一些有效的方法检测浪涌[11,12]。 本文中所描述的是在检测方法的基础上确认其波形，更确切地说，在鉴别其波浪形是故障波形还是浪涌电流。可以以不同的方式来完成这种调试，最常用的方法之一，使用信号的谐波分析，而有些则是基于使用神经网络。这里阐述的是在演示实验中，一个前馈神经网络作为一种替代方法，用来区分浪涌电力变压器中的磁化电流和内部故障的网络和它的调试过程中。适于在数字式保护继电器实现该目标。 2、网络的特点 2.1 概述 一个前馈神经网络的一般结构在图1中示出。这个网络的最重要的特征是：1）用层的分组处理单元。 图1 一般的FFNN架构 2）处理器互连isorganized的所有输入到一个层来专门在的一些层（所使用的特定FFNN没有跳过层的连接）的输出。基本方程定义这种FFNN方式计算其输出给定的输入向量列于附录1。 FFNN过程包括确定的权重W（“）和单位的施力B（M），以便在给定的方式，使网络响应。在这项工作中所使用的方法是众所周知的反向传播算法[13，14,15,16]。使用反向传播的过程中，附录2给出了一个基本的描述和定义的矩阵。使用的FFNN执行部分被约束在当前分类问题，也有一部分是由现有的数字继电器系统组PERMISSIVE的涌流检测 图2.2 抑制涌流检测操作 图2 使用两种可能的实现的浪涌检测功能的保护继电器的简化框图 2）如在图2中所示，识别浪涌的功能是附件，即，假定它具有不同功能的数字继电器，来实现电源变压器的保护（例如，初级过流或差分原理），浪涌检测可以被用作用于中继的许可操作，或抑制继电器动作。这样的组合的方式是独立的，这两个函数（浪涌检测和保护），可能会使用相同的采样率。每个周期12个样本（720赫兹），被选为样本，在不同的数字继电器设计的采样率。 3）事实上上述界限的问题作为设计FFNN之一是等于输入x（t）的样本，换言之，网络将接收每个窗口中的12个样品的每一个采样周期，而且必须是这12个样本（即一个周期），这意味着必须确定为12的输入的数量。在4.1节中描述的方法是层（完全定义在这一点上，是唯一的层，输出层）的数目和在每一层上的单元的数目是由启发式过程确定的。 图3 延时网络 3、培养策略研究 3.1 调试实例 由于网络上有区分两种信号，为此目的准备了两套例子：励磁涌流情况下和故障情况下。 浪涌情况下，在实验室中，50 VA，120~240V，对网络进行调试，采取随机的小功率变