{“状态”：“确定”，“消息类型”：“工作”，“信息版本”：“1.0.0”，“邮件”：{“索引”：{-“日期-部件”：[[2024,7,8]]，“日期-时间”：“2024-07-08T13:12:07Z”，“时间戳”：1720444327357}，“参考-计数”：31，“发布者”：“爱思唯尔BV”，“许可证”：[{“开始”：{-date-parts”：[2019,1]]，”日期-时间“：”2019-01-01T00:00:00 0:00Z“，”时间戳“：1546300800000}，”内容-版本“：“tdm”，“延迟天数”：0，“URL”：“https:\/\/weelsevier.com\/tdm\/userlicense\/1.0\/”}]，“资助者”：[｛“DOI”：“10.13039\/50101100001809”，“名称”：“国家科学基金会”，“DOI断言者”：“出版商”，“奖项”：[“51765042”，“61463031”，“61662044”，“61862044”]}，｛“名称”：“江西省科技厅”，“奖项”：JXYJG-2 017-02“]}]，“content-domain”：{“domain”:[“elsevier.com”，“sciencedirect.com”]，“crossmark-restriction”：true}，“short-container-title”：[“Advanced Engineering Informatics”]，”published-print“：{”date-parts“：[[2019,1]]}，”DOI“：”10.1016\/j.aei.2019.01.001“，”type“：”journal-article“，”created“：{”date-ports“：[2019,15]]，”date-time“：”2019-01-15T04:52:44Z“，”时间戳“：1547527964000｝，“page”：“178-185”，“update policy”：“http:\/\/dx.doi.org/10.1016\/elsevier_cm_policy”，“source”：“Crossref”，“由count引用”：80，“title”：[“基于BA PNN的电力变压器故障诊断方法”]，“prefix”：“10.1016”，“volume”：“39”，“author”：[｛“given”：“Xiaohui”，“family”：“Yang”，“sequence”：“first”，“affiliation”：[]｝，｛“given”：“文凯”，“家族”：“陈”，“序列”：“附加”，“从属关系”：[]}，{“给定”：“安义”，“家庭”：“李”，“顺序”：“额外”，“隶属关系”：[]}，“family”：“Dong”，“sequence”：“additional”，“affiliation”：[]}]，“member”：“78”，“reference”：[{“key”：“10.1016\/j.aei.2019.01_b0005”，“doi-asserted-by”：“crossref”，“first page”：”1327“，“doi”：“101016\/j.procs.2016.04.276”，“article-title”：“基于概率神经网络的油浸电力变压器内部故障诊断研究”，“volume”:“83”，“author”：“Yu”，“year”：“2016”，“期刊标题”：“Proc.Computer Sci.”}，｛“key”：“10.1016\/j.aei.2019.01.001_b0010”，“首页”：“115”，“文章标题”：“基于溶解气体分析的电力变压器故障诊断反馈云熵模型”，“volume”：“41”，“author”：“Xu”，“year”：“2013”，“期刊标题”：“power Syst.Prot.Control.”｝，｛“issue”：“2”，“key”：“10.1016\/j.aei.2019.01.001_b0015”，“首页”：“18”，“文章标题”：“基于IEC规范的电力变压器故障诊断人工神经网络，使用溶解气体分析”，“卷”：“4”，“作者”：“Ghoneim”，“年份”：“2015”，“期刊标题”：《国际j.控制自动化系统》}，{“问题”：“1”，“关键”：“10.116\/j-abei.2019.01.001_b0020”，“doi-asserted-by”：“crossref”，“first page”：“69”，“DOI”：“10.1109\/TSMCC.2008.2007253”，“article-title”：“通过实施bootstrap和遗传编程基于溶解气体分析的电力变压器故障分类”，“volume”：”39“，“author”：“Shintemirov”，“year”：“2009”，“journal-title“：IEEE Trans.Syst.，Man，Cybernet.，Part C（Applications and Reviews）”}，{“key”：“10.1016\/j.aei.2019.01.01_b0025”，“article-title”：“基于改进证据理论和神经网络集成方法的变压器故障诊断”，“volume”：“14”，“author”：“Cheng”，“year”：“2013”，“journal-title“：“Power Syst.Protect.Control”}，{“key”：：“机电科学、电气工程与计算机（MEC）国际会议，2011年”，“第一页”：“1445”，“文章标题”：“基于BP神经网络的变压器故障诊断”，“作者”：“永涛”，“年份”：“2011”}，{“键”：“10.1016\/j.aei.2019.01.01_b0035”，《第一页》：“009”，“论文标题”：“基于概率神经网络优化平滑因子的变压器故障诊断方法研究”，“卷”：“2”，“作者”：“博”，“年份”：“2007”，“期刊标题”：“现代电力”}，{“问题”：“1”，“关键”：“10.1016\/j.aei.2019.001_b0040”，“doi-asserted-by”：“crossref”，“首页”：“187”，”doi“10.1109\/TPWRD.2008.2002974”，“文章标题”：“小波网络在电力变压器诊断中的应用溶解气体分析”，“卷”：“4”，“作者”：“陈”，“年份”：“2009年”，“期刊标题”：“IEEE Trans.power Delive.”}，{“关键”：“10.1016\/j.aei.2019.01.01_b0045”，“系列标题”：《自然计算理论与实践国际会议》，“首页”：“58”，“文章标题”：“采用遗传算法增强的人工神经网络和支持向量机对正常和噪声环境下离心泵的故障分类”，“author”：“Nourmohammadzadeh”，“year”：“2015”}，{“key”：“10.1016\/j.aei.2019.001_b0050”，“series-title”：“国际电气和电子设备优化会议（OPTIM）和2017年国际爱琴海电机和电力电子会议（ACEMP），2017年”，“首页”：“184”，“文章标题”：“基于溶解气体分析和呋喃分析的模糊逻辑技术用于电力变压器故障诊断”，“作者”：“Ni\u0163u”，“年份”：“2017”}，{“key”：“10.1016\/j.aei.2019.01_b0055”，“series-title”：“IEEE国际自动化与物流会议，2007年”，“首页”：“1077”，“article-title”：《基于HMM方法的变压器电力故障诊断系统设计》，“作者”：“Suxiang”，“年”：“2007”}：“电气绝缘和介电现象年度报告会议（CEIDP），2012年”，“第一页”：“195”，“文章标题”：“电力变压器中溶解气体分析解释的新图形技术”，“作者”：“Mansour”，《年份》：“2012”}，{“key”：“10.1016\/j.aei.2019.01.01_b0065”，“series-title”：“国际状态监测与诊断会议（CMD），2012年”，“第一页”：“365”，“文章标题”：“使用油浸变压器新诊断算法开发溶解气体分析（DGA）专家系统”，“作者”：“Kim”，“年份”：“2012”}，{“问题”：“2”，“关键”：“10.1016\/j.aei.2019.01.01_b0070”，“doi-asserted-by”：“crossref”，“首页”：“1371”，“DOI”：“10.1016\/j.eswa.2007.11.019”，“article-title”：“油浸式变压器早期故障诊断的灰色聚类分析”，“volume”：“36”，“author”：“Lin”，“year”：“2009”，“journal-title“：“Expert Sys.Appl.”}，{“issue”：“1”，”key“10.1016”：“j.aei.2019.01.01_b0075”，“DOI-asserted-by”：“crossref”，《首页》：“73”，“DOI”：“10.1016\/j.epsr.2011.09.012”，“article-title”：“基于支持向量机溶解气体分析的电力变压器故障诊断”，“volume”：“83”，“author”：“Bacha”，“year”：“2012”，“journal-title“：”Elect.Power Syst.Res.“}，{”issue“：”2“，”key“：”10.1016\/j.aei.2019.001_b0080“，”doi-asserted-by“：”crossref“，”first page“：“1198”，“doi”：“10.1109\/TDEI.2015.005277”，“article-title”：“基于支持向量机的电力变压器故障诊断遗传算法选择的最优溶解气体比率”，“volume”：“23”，“author”：“Li”，“year”：“2016”，“日记标题”：“IEEE Trans.Dielect.Elect.Insul.”}，{“key”：：“模糊逻辑在基于不同标准的溶解气体变压器故障诊断中的应用”，“卷”：“17”，“作者”：“胡斯曼”，“年份”：“2006年”，“期刊标题”：“世界科学院，工程技术”}，{“键”：“10.1016\/j.aei.2019.01.01_b0090”，“首页”：“545”，“文章标题”：“基于混合pso-bp的概率神经网络用于电力变压器故障诊断”，“卷”：“第1卷”，“作者”：“王”，“年份”：“2008”}，{“关键”：“10.1016\/j.aei.2019.01.001_b0095”，“级数”：“一种新的元启发式蝙蝠启发算法。自然启发的优化合作策略（NICSO 2010）”，“首页”：“65”，“作家”：“杨”，“年份”：“2010”}，{“key”：“10.1016\/j.aei.2019.01_b0100”，“非结构化”：“IEC 60599标准：溶解气体分析和无气解释指南，2007年”}：“电力系统、高压、电机国际会议，国际遥感会议\u2013Proceedings”，“first page”：“83”，“article-title”：“模糊逻辑在电力变压器故障类型分类DGA方法中的应用”，“author”：“Afiqah”，“year”：“2010”}，{“issue”：“1”，“key”：“10.1016\/j.aei.2019.01.01_b0110”，“doi-asserted-by”：“crossref”，“首页”：“109”，”doi“：”10.1016\/0893-6080（90）90049-Q“，”article-title“：”概率神经网络“，“volume”：“3”，“author”：“Specht”，“year”：“1990”，“journal-title”：“neural networks”}，{“issue”：“1”，“key”：”10.12019.01.001_b011 5“，”doi-asserted-by“：”crossref“，”first-page“：”1“，“DOI”：“10.1177\/1687814015624832”，“article-title”：“变压器故障诊断问题的自适应策略改进概率神经网络”，“volume”：“8”，“author”：“Yi”，“year”：“2016”，“journal-title“：”Advv.Mech.Eng.“}，{“issue”：“1”，“key”：”10.1016\/j.aei.2019.001_b0120“，”DOI-asserted-by“：”crossref“，”first page“：”3“DOI“：“10.1016\/j.cie.2014.12.033”，“article-title”：“电力变压器各种运行条件下维护决策支持的智能工程资产管理系统”，“volume”：“84”，“author”：“Trappey”，“year”：“2015”，“journal-title“：”Compute.Indust.Eng.“}，{“issue”：“1”，“key”：”10.1016\/j.aei.2019.1.001_b0125“，”doi-asserted-by“：“crossref”，“first page”：“115”，“DOI”：“10.1016\/j.aei.2014.10.001”，“article-title”：“A:基于本体论和FMECA的风力涡轮机智能故障诊断研究”，“volume”：”29“，“author”：“Zhou”，“year”：“2015”，“journal-title“：”Adv.Eng.Inform.“}，{“key”：《10.1016\/j.aai.2019.01.01_b0130》，“DOI-asserted-by”：“crosdref”、“first page”：“，”DOI“：“10.1016\/j.aei.2017.05.005”，“article-title”：“基于动态神经网络方法的改进PSO和BR算法用于柔性机构的瞬态概率分析”，“volume”：“33”，“author”：“Song”，“year”：“2017”，“journal-title“：”Adv.Eng.Inform.“}，{“key”：”10.1016\/j.ae.2019.01.001_b0135“，”doi-asserted-by“：”crossref“，”first page“139”，“doi”：“10.1016\/j.aei.2017.02.005”，“article-title”：“基于层次卷积网络健康状态分类的滚动轴承智能故障诊断”，“volume”：“32”，“author”：“Lu”，“year”：“2017”，“journal-title“：”Adv.Eng.Inform.“}，{”issue“：”1“，”key“10.1016 \/j-aei.2019.01_b0140”，“doi-asserted-by”：“crossref”，”first page“55”，“DOI”：“10.1016\/j.aei.2005.01.009”，“article-title”：“核反应堆故障检测和隔离的递归神经模糊系统”，“volume”：“19”，“author”：“Evsukoff”，“year”：“2005”，“journal-title“：“Adv.Eng.Inform.”}，{“key”：：“使用自供电RFID传感器和深度学习方法进行变压器故障诊断”，“卷”：“PP（99）”，“作者”：“王”，“年份”：“2018年”，“日志标题”：“IEEE传感器J.”}，{“问题”：“1”，“关键”：“10.1016\/J.aei.2019.001_b0150”，“doi-asserted-by”：“crossref”，“首页”：“590”，“doi”：“101109\/TDEI.2014.004478”，“文章标题”：“使用模糊逻辑和ANFIS模型对基于DGA的变压器故障诊断进行综合比较研究”，“卷”：“22”，“作者”：“Khan”，“年份”：“2015”，“期刊标题”：“IEEE Trans.Dielect.Elect.Insulat.”}，{“键”：“10.1016\/j.aei.2019.011_b0155”，“doi-asserted-by”：“crossref”，“首页”：“196”，”doi“10.1016”\/j.epsr.2017.10.010”，“article-title”：“基于小波LS-SVM集成改进PSO算法的电力变压器溶解气体含量预测新模型”，“volume”：“155”，“author”：“Zheng”，“year”：“2018”，“journal-title“：”Elect.power Syst.Res.“}]，“container-title：“https:\/\/api.elsevier.com/content\/article\/PII:S1474034618305950？httpAccept=text\.xml”，“content-type”：“text\/xml”，“内容-版本”：“vor”，“intended-application”：“文本-分钟”}，{“URL”：“http:\/\-api.elsever.com/content\/article \/PII:S147403616183059500？httpAccess=text\/plain”vor“，“intended-application”：“text-mining”}]，“deposted”：{“date-parts”：[[2019,8,8]]，“date-time”：“2019-08-08T01:44:11Z”，“timestamp”：1565228651000}，“score”：1，“resource”：{“primary”：}“URL”：“https:\/\/linkinghub.elsevier.com\/retrieve\/pi\/S1474034618305950”}，”subtitle“：[]，”shorttitle“：[]，”issued“{”“date-parts”：[[2019,1]]}，“references-count”：31，“alternative-id”：[“S1474034618305950”]，“URL”：“http://\/dx.doi.org\/10.1016\/j.aei.2019.01.001”，“relation”：{}，“ISSN”：[”1474-0346“]，“ISSN-type”：[{“value”：“1474-0346'，“type”:“print”}]，“subject”：【】，“published”：{“date-parts”：[2019,1]]}，“name”：“publisher”，“label”：“本文由”}，{“value”维护”：“BA-PNN-based methods for power transformer fault diagnosis”，“name”：“articletite”，“label”：“Article Title”}，{“value”：“Advanced Engineering Informatics”，“name”：“journaltitle”，“标签”：“Journal Title（期刊标题）”}、{“值”：“https:\\/doi.org\/10.1016\/j.aei.2019.01.001”，“名称”：“rticlelink”，“table”：“CrossRef doi link to publisher maintained version”}；{“value”：“article”，“name”：“content_type”，“label”：“content type”｝，｛“value”：“\u00a9 2019 Elsevier Ltd.保留所有权利。”，“name”：“copyright”，“label”：“copyright”｝]｝