关于煤矿井下额尔古纳额尔古纳油浸式变压器故障的信息融合诊断方法如下
数据层主要融合局部放电测试以及油中溶解气体检测两个单元的初步信息，确保原始信息量尽可能多，并实现纠正误差的目的；特征层基于D-S证据理论进行信息融合，选择特征数据提供证据支持；决策层主要接收来自特征层的数据输出，并结合输出数据、SCADA数据、检修记录、离线故障状态以及专家建议进行数据信息融合，终明确额尔古纳额尔古纳油浸式变压器故障。该模式有效提高了诊断准确性，不确定性被大限度减小。
1）神经网络技术。井下额尔古纳额尔古纳油浸式变压器神经网络技术摆脱了人工干预和建立物理模型的支持，属于简单非线性函数的多次复合，将样本输入与主机故障状态二者联系起来。检修人员可通过人工神经网络技术开展油中溶解气体分析与诊断，然而该技术方法缺陷较多。主要表现在过于复杂的输入输出关系以及数量众多的学习样本数目会减慢标准BP神经网络算法的收敛速度，或存在发散现象。此外，标准BP算法常常为陷入局部极小值、对初值要求严格等事件所困扰。
2）支持向量机。研究表明，井下额尔古纳油浸式变压器支持向量机优势主要表现在样本量少、可解决非显性、维数较高等方面，检修人员可通过支持向量机来识别煤矿井下额尔古纳油浸式变压器故障类别，明确该故障模式。采用支持向量机的方法来诊断额尔古纳油浸式变压器故障，其操作主要是整理收集数据样本，并将其分训练集与测试集。归一化处理样本数据后分析优参数值，然后收集样本数据，验证计算得到的数值，以此对诊断正确率做出评估判断。
3）专家系统。井下额尔古纳油浸式变压器系统通常分为知识库、人机接口、推理机、解释系统和数据库等几大部分，其中知识库主要是存储专家输入的专业知识，人机接口主要是利用下拉式菜单来转换系统关于提问和推理的答复/结果，向用户展示系统的解释说明，确保这种人机交互模式终为用户所接受。
4）信息融合。在现代化信息浪潮下，井下额尔古纳油浸式变压器信息自动综合处理成为各领域各行业关注的焦点，信息融合技术主要包括三个层次：数据层融合、特征层融合与决策层融合。其中数据层融合主要是指处理采集整理的原始数据，可视为信息的传感器级融合；特征层融合则是对加工处理数据后产生的特征信息加以融合；决策层融合主要是融合不同渠道结果以及决策信息。检修人员可以结合井下额尔古纳油浸式变压器实际情况选择独立使用这三种融合技术，当然也可以组合使用。
关键词标签：煤矿井下额尔古纳油浸式变压器故障的智能诊断
