Transformer fault diagnosis based on adversarial generative networks and deep stacked autoencoder

Establishing a deep learning model for transformer fault diagnosis using transformer oil chromatogram data requires a large number of fault samples. The lack and imbalance of oil chromatogram data can lead to overfitting, lack of representativeness of the model, and unsatisfactory prediction results...

Celý popis

Podrobná bibliografie

Vydáno v:	Heliyon Ročník 10; číslo 9; s. e30670
Hlavní autoři:	Zhang, Lei, Xu, Zhongyang, Lu, Chen, Qiao, Tianjiao, Su, Hongzhi, Luo, Yazhou
Médium:	Journal Article
Jazyk:	angličtina
Vydáno:	England Elsevier Ltd 15.05.2024 Elsevier
Témata:	Adversarial neural networks algorithms Chromatographic data chromatography Fault data neural networks oils prediction Sample expansion Transformer Fault data Sample expansion Transformer Chromatographic data Adversarial neural networks
ISSN:	2405-8440, 2405-8440
On-line přístup:	Získat plný text
Tagy:	Přidat tag Žádné tagy, Buďte první, kdo vytvoří štítek k tomuto záznamu!