局部放电故障神经网络模式识别及实验研究

阐述了局部放电信号模式识别对高压电器故障诊断的意义。用理想的同轴电极系统放电模型模拟了两种放电模式。将统计数学应用于局部放电信号特征量的提取 ,得到的特征向量 (放电量不对称性Q、相位不对称性Φ、相关系数cc)作为BP神经网络的输入 ,以此对局部放电信号进行模式识别。实验证明这种方法具有很高的识别率。     

局部放电窄带干扰抑制的数字滤波器设计

为了抑制现场局部放电中混杂的窄带干扰,提高局部放电脉冲的识别率,满足高速采样中信号实时处理的要求,介绍一种基于FPGA的嵌入式局部放电窄带干扰抑制的实现方法.根据局部放电信号和窄带干扰信号在频域上的不同特点,自适应设定窄带信号判定阈值并对其进行识别和滤除.使用DSP Builder和Simulink等工具构建算法模型,对混叠了多种窄带干扰和白噪声的局部放电信号进行处理,并把算法模型转化为可以综合的硬件描述语言.文章最后比较了在Simulink和Quartus Ⅱ两种不同仿真环境下的结果,验证了使用DSP Builder等设计开发FPGA算法的可行性.     

变电站高压电气设备局部放电抗干扰检测技术

随着电力工业的快速发展,电力设备的体积越来越大,设备所需的功率越来越大,运行时所遇到的各种电气干扰也越来越多。为确保设备正常运行,必须对电气设备进行及时检查,保证电网稳定运行。局部放电是电气设备在运行过程中发生局部故障的主要原因,很多研究人员已经对此进行了深入分析研究,有了一定经验。但由于检测手段和方法复杂、成本高及试验时间长等原因,至今尚未得到广泛应用。随着电力设备不断发展,变电站高压电气设备越来越复杂、体积越来越大。随着输电线路走廊、变电站容量和供电能力的不断增加,对设备局部放电监测技术提出了更高的要求。由于现有的检测技术检出率较低,研究变电站高压电气设备局部放电抗干扰检测技术。利用特高频传感器采集电气设备局部放电信号,通过将噪声源信号与观测信号分离,去除检测信号的噪声背景,并换算电气设备等效电容、电感以及电阻3个参数,通过对电气设备放电信号传播特性分析,判断高压电气设备是否存在局部放电,并对局部放电进行定位检测。经实验证明,所提设计技术检出率较高,具有较好的电气设备局部放电抗干扰检测效果。     

基于朴素贝叶斯的局部放电诊断模型

针对局部放电故障诊断问题,提出一种基于朴素贝叶斯的局部放电诊断模型,并对模型中的朴素贝叶斯的应用方法进行详细研究。该模型由四部分组成:信号的接收及处理、谱图产生、特征提取和朴素贝叶斯分类。诊断流程:首先由UHF传感器接收局部放电信号并交于信号调理单元处理;然后基于处理后的信号产生三维谱图,提取谱图的典型特征;最后采用朴素贝叶斯算法进行故障诊断。该模型已作为插件嵌入到某一电力设备生产企业的变压器监测产品中。实际测试表明该模型较好地满足了应用需求。     

基于改进深度学习的开关柜局部放电检测与故障识别

针对传统开关柜局部放电谱图提取需要依赖专家经验而缺乏泛化能力的问题,提出一种基于改进深度置信网络（DBN）—长短期记忆（LSTM）的开关柜局部放电检测与故障识别模型。该模型综合了DBN直接自主提取样本全局有效特征信息和LSTM善于挖掘特征图谱时域特征的优势,并采用Dropout技术降低DBN过拟合影响,以提高模型的泛化能力。结合四种典型开关柜局部放电模型的缺陷谱图对所提模型进行性能测试,并与其他算法进行对比,结果表明：所提算法对开关柜的故障识别具有良好的效果,综合故障准确率达到97%,所提模型的整体识别性能均优于单一DBN和LSTM以及DBNLSTM模型。     

LAPS型电子舌神经网络味觉识别

根据光寻址电位传感器(LAPS)原理,提出一种结合主成分分析和反向传播(BP)神经网络识别溶液味觉的方法。对LAPS电子舌采集的味觉数据主成分进行提取,将该主成分作为BP神经网络的训练样本,通过训练和学习构建味觉数据与味觉类别之间的联系,用训练后的BP网络对溶液进行味觉识别。对浓度分别为20 ppm、100 ppm、300 ppm和500 ppm的酸、甜、苦、咸、鲜5种味觉溶液进行识别验证,准确率达96.6%,结果表明该方法能够在不同浓度下正确识别出溶液的味觉。     

基于局部卷积神经网络算法的文本分类识别

研究了一种基于局部卷积神经网络的新型文本分类识别算法.该算法主要由5个步骤组成.第一步使用基于搜索字符串的文本词频统计法构成异构文本数据的同构化结果;第二步将上述同构化结果进行三维模糊化处理;第三步使用经过模糊化的数据输入到卷积神经网络算法模块中进行机器学习分析;第四步通过针对神经元网络输出结果构建三维数据矩阵,并对该...     

一种小波特征与深度神经网络结合的信号制式识别算法

针对当前通信信号的制式识别算法在低信噪比情况下识别不准确的问题,提出一种新的小波特征与改进的深度神经网络结合(WL-DNN)的识别算法。该算法将生成的10种{2ASK、4ASK、2PSK、4PSK、2FSK、4FSK、OFDM、16QAM、AM、FM}含有高斯白噪声的通信信号,用小波分解重构算法提取出一类新的小波特征参数。本文测试了含有多层隐含层的改进BP神经网络作为分类器,利用弹性反向传播算法训练神经网络的参数,确定神经网络的最优超参数。仿真结果表明:在信噪比低至0 dB的情况下,单个调制信号最低识别率超过95%,平均识别率超过98%,大幅提高了制式识别在低信噪比下的识别率,由此表明了该算法的有效性和正确性。     

基于非参数化特征提取的神经网络识别

本文采用非参数化的特征提取技术提取样本的特征,再用模块化的神经网络的方法进行训练识别,取得了较好的实验效果。     

变压器局部放电在线监测技术的研究

讲述变压器放电在线监测技术原理、系统结构.解决了变压器局部放电在线监测技术中的局部放电的定位、传感器设置及现场噪声的抑制等关键问题.     

基于BP神经网络的输电线路隐患预放电识别研究

针对输电线路在长期运维过程中出现的异常主要依靠人工定期巡线来排查,无法高效、准确的对隐患进行预判的局限,本文提出了基于BP神经网络方法对输电线路典型隐患预放电识别。首先在南方电网防冰减灾重点实验室梅花山基地搭建起输电线路放电试验平台,得到了输电线路在树障和污秽绝缘子两种典型隐患的预放电脉冲电流波形数据。继而绘制得到放电信号中放电量,放电次数,相位参数的三个二维统计图,在此基础上提取并构建得到放电特征参量数据库,再将特征量带入反向传播神经网络分类器中对线路隐患模型进行训练。最后对模型测试的结果表明,采用BP神经网络算法能够有效识别输电线路中典型的隐患,且识别准确率达到92%以上,进而为输电线路隐患识别提供了参考。     

基于BP神经网络的数字识别研究

比较了各种数字识别方法,采用BP神经网络设计了一个数字识别系统。首先对数字图像进行二值化处理,构造输入向量矩阵;接着通过选取初始权值、隐层节点数和权值学习算法,创建BP神经网络,对样本数据进行训练;之后对加有噪声的样本再次进行训练,以提高网络的鲁棒性;最后制作了图形用户界面进行实验。测试结果表明,该系统对噪声系数小于0.85的字符识别率可达96%,且网络训练时间可以接受。     

神经网络的人民币序列号识别算法

研究人民币智能鉴伪问题,人民币序列号是人民币的“身份证”,优化识别人民币的真伪将直接影响经济秩序.由于人民币在流通过程中容易出现磨损、污染和缺损等,导致人民币序列号识别的正确率不高.为了提高人民币序列号识别的正确率,更好地鉴别出入民币的真伪,提出根据BP神经网络对人民币序列号识别算法.首先对人民币图像进行预处理,消除一些不利信息和噪声,然后对人民币序列号进行分割和归一化,并提取字符的特征向量,最后采用BP神经网络对字符进行仿真.仿真结果表明,BP神经网络识别算法的人民币序列号识别正确率达到97％以上,并且识别速度快,为人民币识别提供了有效方法.     

改进遗传算法优化BP神经网络的语音情感识别

语音情感识别技术在人类生活中正扮演着越来越重要的作用。为了更为有效识别语音信号中的情感类型,提出一种改进遗传算法优化BP神经网络的识别算法（IAGA-BP）。该算法一方面改进了自适应遗传算法中的选择算子,另一方面更改了自适应遗传算法中的交叉和变异概率公式。通过对自适应遗传算法的改进,提升了遗传算法的寻优性能,并以此对BP神经网络初始的权阈值进行优化。在与BP、GA-BP和AGA-BP网络比较中,实验结果表明,IAGA-BP网络能够有效提高语音情感识别率,并加快了网路收敛速度。     

雷达有源干扰识别算法综述

在当代电子战中,电子干扰与抗干扰的较量愈演愈烈.开展针对雷达有源干扰的识别算法已经成为雷达对抗领域研究的热点,具有重大的战略意义.本文针对雷达有源干扰识别算法进行整体分析,总结了目前国内外干扰识别手段的一般流程.首先对常见雷达干扰的种类进行划分,详细介绍目前常见的雷达有源干扰信号的干扰机理和信号模型,然后从特征提取手段...     

基于神经网络和小波分析的血细胞识别算法

结合小波变换时频局部化特性和神经网络的优势,提出了一种基于神经网络和小波分析的血细胞识别算法.首先对血细胞信号进行小波分解,然后利用小波分解系数重构信号的能量,结合时域特征参数构造特征向量作为神经网络的输入,最后建立神经网络模型进行训练.通过实验分析了不同条件下的信号识别情况,并与传统的识别算法作了比较,结果表明算法具有较强的血细胞识别能力,与传统的识别算法相比,识别准确度更高.     

基于鲸鱼算法改进小波神经网络的GIS局部放电诊断方法研究

针对封闭式气体绝缘开关装置由于生产、运输安装和运行环境等因素,引发的局部放电现象而造成的绝缘故障问题,提出了一种基于改进鲸鱼算法与小波神经网络结合的封闭式气体绝缘开关装置局部放电诊断方法。该方法利用灰度图谱与矩特征实现对局部放电信号的特征提取,基于矩特征值构建小波神经网络的输入样本集;然后使用改进鲸鱼算法对小波神经网络参数进行寻优,以解决神经网络存在的参数敏感问题;最后将优化好且训练完成的小波神经网络应用于绝缘开关装置局部放电诊断中。改进鲸鱼算法引入非线性收敛因子与自适应思想提升了算法的性能,对小波神经网络的超参数有较好的寻优效果。仿真结果表明,相比于通用参数配置的小波神经网络,改进诊断方法诊断精度提升了9.45%。     

高压开关柜局部放电综述与放电信号分析

高压开关柜在制造和运行过程中难免发生绝缘缺陷问题,主要缺陷类型表现为以下方面：内、外绝缘面对地闪络击穿,电压相间绝缘闪络击穿,雷电危害过压闪络击穿,绝缘件接地不良、断裂等造成的闪络击穿。同时,这些绝缘缺陷在最终发生击穿之前都伴有局部放电现象,通过检测局部放电的强弱就可以及时地了解绝缘状态,因此,通过在线检测局部放电信号可以准确地判断绝缘状态,实现电气设备的安全可靠运行。     

基于卷积神经网络的钢琴音频信号识别算法

为提高钢琴音频信号的识别准确率,在传统音符特征提取的基础上,再将音符特征叠加到频谱样本中得到音符频谱.然后提出基于卷积神经网络的钢琴音乐分类方法,将各个分类的钢琴音乐的频谱作为卷积神经网络的输入图像进行训练,通过图像识别来间接实现对钢琴音乐的分类.结果表明,改进后的自相关法的识别方法识别准确率更高,且将音符频谱作为训练...