-
题名基于混合因果网络的配电变电站故障诊断
被引量：9
- 1
-
-
作者
孙雅明
吕鹏
-
机构
天津大学电气与自动化工程学院
-
出处
《电力系统自动化》
EI
CSCD
北大核心
2004年第13期26-30,共5页
-
文摘
因果网模型具有快速求解诊断结论的优势,但其浅层知识推理的性质,又使诊断结论易受不确定信息的影响。根据变电站内局域网能获得全方位信息的可行性,如事件序列记录(SOE)、断路器变位信息序列、故障录波等。文中提出了基于混合因果网模型的故障诊断方法,该方法的要点是充分运用信息间的关联性提取冗余信息,并用做冗余纠错分析和深层知识推理;提出了5类基本因果关系节点用于构造混合因果网及其规则矩阵。研究的关键点是可确保对状态向量正确的布尔赋值。仿真结果证明能有效提高在线故障诊断的容错性能,使混合因果网模型具有高实用性。
-
关键词
配电变电站
在线故障诊断
混合因果网络
深层知识推理
浅层知识
冗余纠错
-
Keywords
distribution substations
on-line fault diagnosis
hybrid C-E Nets
deep knowledge reasoning
shallow knowledge
redundant correcting
-
分类号
TM711
[电气工程—电力系统及自动化]
TM63
-
-
题名“双减”下如何实现深度学习
被引量：2
- 2
-
-
作者
吴颖
周序
-
机构
北京师范大学教育学部
-
出处
《湖南第一师范学院学报》
2022年第3期79-83,112,共6页
-
文摘
"双减"要"减负",而深度学习却要"学得深",不少人担忧它们存在矛盾冲突。二者实则是一种虚假的对立,它们的初衷都在于促进学生发展,落脚点都是提高教学质量。深度不等于负担,深度学习也不一定增加负担。存在上述担忧的根源在于:教育工作者对"深"与"浅"的认识偏差,从而导致浅层学习不到位、浅层知识受忽视。因此,我们需要澄清深度学习、浅层学习和浅层知识的概念,把握好深度教学的实践尺度,并重视浅层教学的改进。
-
关键词
“双减”
深度学习
浅层学习
浅层知识
-
Keywords
"Double-reduction"
deep learning
surface learning
surface knowledge
-
分类号
G620
[文化科学—教育学]
-
-
题名基于浅层知识和深层知识推理的故障诊断专家系统工具
被引量：2
- 3
-
-
作者
张耀清
-
机构
中国矿业大学
-
出处
《电脑开发与应用》
1996年第1期15-19,共5页
-
文摘
以专家系统和诊断问题求解为基础，建立了基于浅层知识和深层知识推理相结合的故障诊断专家系统工具。文中论述了工具的结构、知识表示、参数设计、推理机制、黑板控制、学习机制和其它支持环境。
-
关键词
故障诊断
浅层知识推理
知识推理
专家系统工具
-
分类号
TP18
[自动化与计算机技术—控制理论与控制工程]
-
-
题名小型水电站设备知识系统模型
- 4
-
-
作者
康瑛石
杨帆
-
机构
浙江工商职业技术学院
-
出处
《浙江工商职业技术学院学报》
2002年第4期63-66,共4页
-
文摘
本文在分析小型水电站设备构成特点和运行性能的基础上,提出了小型水电站设备知识系统模型结构和运算关系。模型的建立和运算应用了AI(Artificial Intelligence)的基本理论与DB(Date base)的运算方法。针对各种大型成套机械设备的选型配套、运行和维护,故障分析和诊断、方案设计、性能测试和结构改进等工作计算化处理,本文提供了一些方便的条件。
-
关键词
小型水电站设备
知识模型
深层及浅层知识
-
分类号
TV7
[水利工程—水利水电工程]
-
