针对电力变压器的故障诊断问题,提出了一种可用于海量监测数据的智能故障诊断方法。首先设计了无源射频识别(radio frequency identification,RFID)传感器标签用于测量变压器的振动信号,该设计具有结构简单、便利性强和功耗低等优点。...针对电力变压器的故障诊断问题,提出了一种可用于海量监测数据的智能故障诊断方法。首先设计了无源射频识别(radio frequency identification,RFID)传感器标签用于测量变压器的振动信号,该设计具有结构简单、便利性强和功耗低等优点。针对于测量的变压器振动信号数量大、维度高、成分复杂、信噪比低等特点,利用深度学习技术中堆叠自编码器对测量的信号进行特征提取,提取的特征具有相同状态高度聚集,不同状态明显分离的优点。随后,基于提取的海量特征数据,应用加权贝叶斯分类模型进行故障诊断。为进一步提高故障诊断方法的性能,提出了混沌量子粒子群算法分别对堆叠自编码器和加权贝叶斯分类模型的参数进行优化。通过一个10 kV变压器的故障诊断实验表明,设计的无源RFID传感器标签能可靠地获取变压器振动信号,提出的故障诊断方法具有较高的故障诊断正确率。展开更多
目的·评价项目研制的可用于轻度认知功能障碍筛查的电子化认知评估系统的信度和效度,构建机器学习法判定模型并评估筛查效果。方法·采用分层随机的方法在上海和河南农村的社区、老年护理院及专科门诊抽取55岁以上的符合标准...目的·评价项目研制的可用于轻度认知功能障碍筛查的电子化认知评估系统的信度和效度,构建机器学习法判定模型并评估筛查效果。方法·采用分层随机的方法在上海和河南农村的社区、老年护理院及专科门诊抽取55岁以上的符合标准的老年人,由经过严格培训、操作规范的调查员对研究对象进行蒙特利尔认知评估量表(Montreal Cognitive Assessment,MoCA)的现场测试。电子化认知评估系统信度评价采用内部一致性系数,效度评价采用因子分析;以MoCA评估结果作为标准,使用分类准确率和曲线下面积(area under curve,AUC)比较朴素贝叶斯、随机森林、Logistic回归和K-邻近4种机器学习算法的分类效果。结果·研究的359名对象中,年龄中位数为63岁,82.80%为中学及以下学历;根据MoCA评分,可能患有轻度认知功能障碍的有147名。电子化认知评估系统的Cronbach'sα为0.84,KMO为0.78,Bartlett's球形检验P<0.05,共提取13个公因子,累计方差贡献率为75.10%。最优朴素贝叶斯分类模型的分类准确率为88.05%,AUC为0.941。结论·该电子化认知评估系统具有良好的信度、效度及分类效果,利用朴素贝叶斯分类模型分类准确度较高。展开更多
文摘针对电力变压器的故障诊断问题,提出了一种可用于海量监测数据的智能故障诊断方法。首先设计了无源射频识别(radio frequency identification,RFID)传感器标签用于测量变压器的振动信号,该设计具有结构简单、便利性强和功耗低等优点。针对于测量的变压器振动信号数量大、维度高、成分复杂、信噪比低等特点,利用深度学习技术中堆叠自编码器对测量的信号进行特征提取,提取的特征具有相同状态高度聚集,不同状态明显分离的优点。随后,基于提取的海量特征数据,应用加权贝叶斯分类模型进行故障诊断。为进一步提高故障诊断方法的性能,提出了混沌量子粒子群算法分别对堆叠自编码器和加权贝叶斯分类模型的参数进行优化。通过一个10 kV变压器的故障诊断实验表明,设计的无源RFID传感器标签能可靠地获取变压器振动信号,提出的故障诊断方法具有较高的故障诊断正确率。
文摘目的·评价项目研制的可用于轻度认知功能障碍筛查的电子化认知评估系统的信度和效度,构建机器学习法判定模型并评估筛查效果。方法·采用分层随机的方法在上海和河南农村的社区、老年护理院及专科门诊抽取55岁以上的符合标准的老年人,由经过严格培训、操作规范的调查员对研究对象进行蒙特利尔认知评估量表(Montreal Cognitive Assessment,MoCA)的现场测试。电子化认知评估系统信度评价采用内部一致性系数,效度评价采用因子分析;以MoCA评估结果作为标准,使用分类准确率和曲线下面积(area under curve,AUC)比较朴素贝叶斯、随机森林、Logistic回归和K-邻近4种机器学习算法的分类效果。结果·研究的359名对象中,年龄中位数为63岁,82.80%为中学及以下学历;根据MoCA评分,可能患有轻度认知功能障碍的有147名。电子化认知评估系统的Cronbach'sα为0.84,KMO为0.78,Bartlett's球形检验P<0.05,共提取13个公因子,累计方差贡献率为75.10%。最优朴素贝叶斯分类模型的分类准确率为88.05%,AUC为0.941。结论·该电子化认知评估系统具有良好的信度、效度及分类效果,利用朴素贝叶斯分类模型分类准确度较高。
