排序方式: 共有4条查询结果,搜索用时 0 毫秒
1
1.
2.
3.
针对时频域分析方法经验模态分解(EMD)在处理电弧信号上存在模态混叠现象,提出一种基于改进经验小波变换(IEWT)多特征融合与极限学习机(ELM)的电弧故障检测方法。该方法首先将电弧电流信号进行IEWT变换,自适应分解为5个经验模态分量(EMFs),提取EMFs的权重能量熵、EMF4的样本熵及EMF1的方均根值作为特征量。在进行数据标准化后,将3个电弧故障特征融合并形成多维特征矩阵,最后通过ELM进行故障识别。在分析中对IEWT和EMD分解进行比较,结果表明,IEWT方法要优于EMD对信号的处理,并且在多特征提取下也避免了单一特征造成的误判,再结合ELM可以准确识别出电弧故障,经试验验证平均准确率为97.85%。 相似文献
4.
航空电弧故障直接影响着航空飞行的安全,这一问题越来越受到重视,其中,交流串联电弧故障更隐蔽,造成的危害更大.该文基于航空115V/400Hz交流系统开展串联电弧故障模拟实验,并对检测方法进行了研究,鉴于目前统计学方法的局限性,提出用Levene检验对实验电流信号进行分析并提取特征量.Levene检验是分析两组及以上数据的方差齐性,从而找到正常和电弧故障情况的明显差异,与常见统计学方法峭度、偏态指标和相关系数利用粒子群算法优化的支持向量机进行识别准确率测试.结果表明,该方法的效率高于其他三种,并采用测试负载验证了其有效性.由此,在识别航空串联电弧故障时,Levene检验方法有较好的实时性和适用性,易于设定阈值,具有重要的工程应用价值. 相似文献
1