排序方式: 共有71条查询结果,搜索用时 15 毫秒
1.
2.
3.
4.
为解决传统污秽检测方法对输电线路绝缘子污闪防治的局限性,采用非接触式、高分辨率的高光谱成像技术对污秽在线检测技术进行研究。为有效提取反应污秽度的光谱特征并削弱冗余与干扰信息的影响,提出一种小波包能量谱特征优化的绝缘子污秽等级识别技术。首先,对不同污秽度的绝缘子样品的光谱图像进行背景分割,提取均匀覆污区像素点光谱均值曲线;其次,对不同图像的光强均匀度差异、环境噪声进行预处理,并通过导数变换提升不同污秽等级间的可区分性。再次,对预处理后的谱线进行小波能量谱特征提取。最后,基于所提特征建立基于支持向量机(support vector machines, SVM)的污秽等级识别模型。实验结果表明,相比于采用全波段数据或PCA特征数据作为输入,基于小波能量谱特征建立的支持向量机(SVM)污秽等级识别模型对样品识别准确率达到99.8%。#$NL关键词:关高光谱成像;绝缘子污秽等级;小波包能量谱;支持向量机#$NL中图分类号:TM933 相似文献
5.
为进一步提升智能化变电站变压器运行数据的管理速率,提高站用状态监测系统的工作效率,文中从变压器振动噪声监测的实际需求出发,在分析数据管理移动技术和算法内嵌技术的基础上,设计并开发了基于.NET框架的变压器振动噪声综合分析系统。该系统以Oracle数据库作为后台数据库,采用Client/Server模式及ADO.NET与MATLAB混编技术,实现了变压器运行过程中海量振动噪声监测数据的读入和存储,提高了监测数据管理效率。同时以内嵌的振动噪声信号处理方法提取了变压器稳态与短路冲击下的信号特性,可为在运变压器的状态评估提供依据。系统运行结果验证了所述变压器振动噪声综合分析系统的可行性及有效性。 相似文献
6.
7.
8.
机械振动信号能反映有载分接开关的运行状态。为提高有载分接开关机械故障的诊断准确率,提出了一种基于参数自适应变分模态分解(VMD)和模拟退火优化极限学习机(SA-ELM)的故障诊断方法。首先对振动信号进行VMD分解,根据能量准则自适应确定模态数的取值,得到一组窄带、区分度较好的模态分量。然后求取各模态的能量值,形成特征向量组,不同故障状态的模态特征区分明显。最后将特征向量组输入SA-ELM,实现振动信号的识别和诊断。在模拟试验平台上进行试验并对采集的信号进行分析,结果表明文中故障诊断方法可有效提高有载分接开关机械故障的诊断准确率。 相似文献
9.
10.
变压器振动信号是评估其工作状态的重要参数之一,与绕组松动或变形等隐患密切相关,为揭示变压器振动信号的变化趋势,本文提出了一种基于广义回归神经网络和马尔科夫链修正的变压器振动信号预测方法。即分别以变压器运行电压、负载电流和振动信号归一化特征频率为输入和输出建立变压器振动信号广义回归神经网络预测模型,然后引入马尔科夫链并结合负载电流的变化对振动信号计算结果进行修正以获得最终的预测结果。对某500 kV变压器振动在线监测信号的分析结果表明:经马尔科夫链修正后的变压器广义回归神经网络振动信号预测模型预测精度高,可为变压器绕组运行状态的振动监测技术提供重要参考。 相似文献