排序方式: 共有24条查询结果,搜索用时 15 毫秒
1.
基于改进变分模态分解和Hilbert变换的变压器局部放电信号特征提取及分类 总被引:2,自引:0,他引:2
针对现有局部放电(PD)信号特征提取方法存在的不足,提出一种基于变分模态分解(VMD)和Hilbert变换(Hilbert-VMD)的特征提取方法,并提出一种双阈值筛选法来确定VMD算法中的分解模态数。首先,根据PD信号功率谱,采用双阈值筛选法确定VMD算法中的分解模态数;其次,采用VMD算法对PD信号进行分解,得到数个有限带宽的固有模态分量(BLIMFs);然后,对各模态分量进行Hilbert变换并线性叠加后得到PD信号的Hilbert时频谱,并计算各模态分量的边际谱;最后,根据各模态分量的边际谱提取PD信号频域内的特征量,并用支持向量机(SVM)对所提取的特征量进行分类。实验结果表明,对试验环境下和现场实测两种环境下的PD信号,采用该文方法提取得到的特征量均具有较高的正确识别率,充分说明该特征提取方法可以有效提取PD信号特征。对于噪声较大的实测信号,采用该方法得到的正确识别率并未明显降低,说明该方法具有较好的噪声鲁棒性。此外,该文所提Hilbert-VMD方法也为PD信号提供了一种新的时频分析方法。 相似文献
2.
当前外场只对机载通信设备进行自检、功能检查,内场虽能进行性能测试,但是针对单个设备(子系统)的离位测试,不能反映通信系统的整体性能状态。也就是说,当前外场检查、内场测试均存在一定的局限性,必须寻求在外场条件下对通信系统进行原位性能测试的途径。以某型机载超短波通信系统为例,结合外场实际条件以及部队、厂所维修保障经验,提出了基于天线辐射和线缆连接两种原位性能检测方案。通过对方案设计、指标选取、测试原理及步骤的详细分析研究,结合实际的测试经历,实现了对机载通信系统的系统级性能的全面测试和验证,测试结果和数据对于部队掌握通信系统实际装机状态和更好地进行设备维护具有重要的指导意义。 相似文献
3.
分布式系统中软件可靠性是应用软件的发布者和用户关心的重要问题。针对大规模分布式应用,包括电子政务、电子商务、多媒体服务和端到端的自动化解决方案,已经产生了各种各样的模型来评价或预测其可靠性,但是这些系统的可靠性问题依然存在。相反,为了确保分布式系统的可靠性,要求在预测或评价整个系统可靠性之前,检查与企业分布式应用相关的每一个单个构件或因素的可靠性,且实现透明的错误检测和错误恢复机制为用户提供无缝交互。因此,文章从检查单个构件可靠性的角度,提出了在分布式系统上运行的应用软件可靠性的问题和挑战。 相似文献
4.
5.
针对传统VPMCD方法在回归预测过程中存在的缺陷,采用支持向量回归代替原方法中的多项式回归模型,解决了原回归方法对高维小样本数据预测精度差的问题。在基于支持向量回归的VPMCD方法中,首先采集各个不同类型的放电样本,并提取特征向量构成样本集合;其次,通过支持向量回归对训练样本进行训练,建立各放电类型的变量预测模型;然后,利用这些模型对测试样本进行回归预测,得到各样本相应的预测平方和误差;最后,以预测误差平方和最小为依据,识别各放电样本的放电类型。相较于BP神经网络、SVM、传统VPMCD方法,SVR-VPMCD方法具有更好的分类效果。 相似文献
6.
提出了一种基于Hilbert边际谱和稀疏自编码器(SAE)—深度神经网络(DNN)的局部放电(PD)信号的模式识别方法。首先,以变分模态分解(VMD)对PD信号进行分解,对所得各分量进行Hilbert变换构建相应的Hilbert边际谱。其次,以PD信号的Hilbert边际谱为输入数据,利用SAE自动学习复杂数据的内在特征来提取简明的数据特征表达获得参数。再次,利用SAE的训练结果初始化DNN,再以大量训练样本进行分类器的训练。同时,为了加快SAE和DNN学习过程的收敛速度,以自适应步长的学习速率对网络进行调优,更新权值参数。最后,用训练好的DNN完成测试样本的PD类型的识别。此外,以基于BP神经网络和支持向量机的识别结果与文中结果进行比较。实验结果证明,所采用的识别方法具有更高的正确识别率。 相似文献
7.
8.
文章运用核密度分析、平均最近邻分析以及多元线性回归等方法对杭州城市餐饮布局及其影响因素进行探究。研究结果表明:(1)杭州中心城区餐饮业空间布局总体呈现多中心格局,可初步反映杭州"一主三副"的总体规划布局,相较主城区和下沙城,江南、临平两个副城的餐饮服务设施发展相对滞缓。(2)不同类型餐饮设施之间存在一定的集聚与互斥现象。(3)交通因素、居住因素以及风景名胜因素是推动杭州餐饮业设施布局形成的三个主要影响因素。 相似文献
9.
介绍了低烟无卤电缆料的特性、挤出设备、挤出温度设置以及冷却方式,同时简单探讨了几个常见挤出问题的处理方法,尤其对于添加氢氧化铝作为阻燃剂和填料的低烟无卤电缆料。 相似文献
10.
提出一种基于改进支持向量数据描述(SVDD)算法与马氏距离的未知类型的局部放电(PD)识别方法。首先,采集各个不同类型的放电样本,并提取特征向量构成样本集合;其次,利用SVDD算法求解得出训练样本的超球体中心a和半径R;然后,根据Otsu准则设定双阈值R_1和R_2,将特征空间划分为三个不同区域;最后,依据不同区域内的判定准则,以马氏距离为判定条件,确定待测样本的放电类型。试验结果表明,该方法对于未知类型的放电样本具有较高的正确识别率,验证了该方法的可行性。 相似文献