【摘要】 提出将气敏元件阵列技术和径向基函数神经网络 (RadialBasisFunctionNeuralNetwork ,RBF NN)相结合 ,以检测电力变压器油中的 4种微量故障特征气体 (1× 10 - 6 ～ 10× 10 - 6 级H2 、C2 H4 、C2 H2 和 50× 10 - 6 ～ 30 0× 10 - 6 级CO) .实验结果表明 ,与目前基于误差反向传播算法 (ErrorBack PropagationAlgorithm ,BP)神经网络的气体分析结果相比 ,所报导的气敏阵列传感系统可克服BP神经网络易陷入局部极小的缺点 ,同时学习速度快 2至 3个数量级 ,具有良好的应用前景 .更多还原

【Abstract】 Gas sensor array technique and RBF(radial basis function) neural network are applied to analyze four mixed gases dissolved in transformer oil. The results show that the gas sensor array system can overcome disadvantages of BP neural network such as determining the local minimum. Its learning speed is 2 to 3 orders of magnitude faster than BP neural network. Confirmation is obtained by experiments.更多还原