Projekt Detekcja uszkodzeń transformatora 110kVSN

Zachodniopomorski Uniwersytet Technologiczny Katedra Elektroenergetyki i napędów elektrycznych Przedmiot : Metody sztucznej inteligencji Temat : Detekcja uszkodzeń transformatora 110kV/SN Wykonali: Michał Kaleta
Tomasz Stefaniak
Henryk Wyziński Rok: Elektrotechnika
I (S2) sem. II Data: 21.01.2011
Ocena: Prowadzący: Dr inż. Caryk Marcin Zakres opracowanego projektu: Opis podstaw teoretycznych związanych z sztucznymi sieciami neuronowymi. Analiza problemu zawartego w temacie. Opis podstaw teoretycznych związanych z sztucznymi sieciami neuronowymi. Wprowadzenie:
Początki sztucznej inteligencji sięgają lat czterdziestych ubiegłego stulecia kiedy to opracowano   model neuronu w mózgu ludzkim i zwierzęcym (McCulloch i Pitts, 1943) oraz wyjaśniono mechanizm zapamiętywania informacji przez sieć biologiczną. Dalszy rozwój tej nauki zaowocował zaprojektowaniem i zbudowaniem przez Rosenblatta (1958) sztucznej sieci neuronowej zwanej perceptronem. Był to elementarny system wizualny, który mógł być nauczony rozpoznawania ograniczonej klasy wzorów. W tych latach próbowano też pierwszych zastosowań komputerów między innymi do przewidywania pogody, identyfikacji formuł matematycznych, czy analizy elektrokardiogramu.   Po publikacji w 1969 książki Minsky'ego i Paperta, w której udowodnili, że jednowarstwowe sieci mają skończone zastosowania, nastąpił odwrót od sieci neuronowych w kierunku systemów ekspertowych. Powrót zainteresowania w połowie lat osiemdziesiątych zapoczątkowały prace ukazujące, że wielowarstwowe, nieliniowe sieci neuronowe nie mają ograniczeń. W tym też okresie rozpoczął sie rozwój neurokomputerów, na który także miał wpływ postęp technologii wytwarzania układów scalonych VLSI. Ważnym osiągnięciem są także różnego rodzaju metody uczenia sieci wielowarstwowych np. algorytm wstecznej propagacji błędów. Dowolna sztuczna sieć neuronowa może być zdefiniowana poprzez określenie: • modelu sztucznego neuronu, • topologii, • reguły uczenia sieci.
Model sztucznego neuronu: Sztuczna sieć neuronowa (SSN) to model obliczeniowy, złożony z elementów naśladujących działania komórek nerwowych zwanych neuronami. Sztuczne neurony nie są dokładnymi kopiami oryginalnych neuronów, są raczej ich bardzo uproszczonymi odpowiednikami matematycznymi, mającymi podobne właściwości i działającymi w zbliżony sposób jak ich pierwowzory. Neuron w SSN charakteryzuje się występowaniem wielu wejść i jednego wyjścia. W modelu sztucznego neuronu, każdemu połączeniu między neuronami przypisuje się odpowiednią wagę (siłę powiązania między elementami). Waga (odpowiednik efektywności synapsy w neuronie biologicznym) to pewna stała, przez którą przemnożony jest każdy sygnał przechodzący między dwoma konkretnymi neuronami, dzięki czemu, impulsy od jednych neuronów są ważniejsze od innych. Waga może mieć charakter pobudzający (dodatnia waga) lub hamujący (ujemna waga). Jeżeli nie ma połączenia między neuronami to waga jest równa zero. W ten sposób odrzucane są nieistotne informacje wejściowe.

(…)

… synapsą/synapsami przekazywane są do innego neuronu/neuronów. Po propagacji sygnału różnica potencjałów odbudowywana jest przez tzw. pompy jonowe. Neuronów mamy ~1010, dendrytów ~1014..1015. Funkcje aktywacji:
Wartość funkcji aktywacji jest sygnałem wyjściowym neuronu i propagowana jest do neuronów warstwy następnej. Funkcja aktywacji przybiera jedną z trzech postaci: skoku jednostkowego tzw. funkcja…
… (na­pięcie „sztywne”), w przypadkach zwarć po stronie wtórnej, uzwojenia ani inne części transformatora nie uległy uszkodzeniom mechanicznym i nie na­grzały się do temperatury wyższej niż dopuszczalna w czasie przepływu prądu zwarciowego.
Istotnym elementem z punktu widzenia eksploatacji transformatorów jest właściwa i w miarę możliwości automatyczna diagnostyka stanu transformato­ra oraz detekcja…
... zobacz całą notatkę