Resumen

Se propone un nuevo método de diagnóstico de averías en transformadores basado en la máquina vectorial de relevancia (RVM). La estimación bayesiana se aplica a la máquina de vectores de soporte (SVM) en el nuevo algoritmo, lo que hace que el sistema de diagnóstico de fallos funcione con mayor eficacia. En el artículo, se presenta el modelo de análisis que las soluciones de RVM tienen la característica de escasez y RVM puede obtener soluciones globales bajo muestras finitas. El proceso de diagnóstico de fallos del transformador para cuatro estados de funcionamiento se presenta en experimentos y simulaciones. Los resultados validan que este método tiene ventajas obvias en cuanto a tiempo de diagnóstico y precisión en comparación con las redes neuronales de retropropagación (BP) y los métodos SVM generales.

• Materias:Análisis Matemático Álgebra Ingeniería Matemática aplicada Lógica matemática
• Subjects:Mathematical Analysis Algebra Engineering Applied Mathematics Mathematical logic
• Palabras claves:diagnóstico de averías en transformadores, rvm, sistema de diagnóstico de averías, métodos generales svm, máquina vectorial de relevancia, estimación bayesiana, modelo de análisis, tiempo de diagnóstico, muestras finitas, soluciones globales
• Keywords:transformer fault diagnosis, rvm, fault diagnosis system, general svm methods, relevance vector machine, bayesian estimation, analysis model, diagnosis time, finite samples, global solutions