排序方式: 共有4条查询结果,搜索用时 0 毫秒
1
1.
基于VMD多尺度模糊熵的HVDC输电线路故障识别方法 总被引:2,自引:0,他引:2
针对HVDC输电线路故障识别率低、远端高阻故障识别困难等问题,提出一种基于变分模态分解VMD(variational mode decomposition)多尺度模糊熵的HVDC输电线路智能故障识别方法.首先对暂态电流信号进行VMD分解,利用中心频率法则提取合适的IMF分量计算多尺度模糊熵、VMD能量和比值.分别利用V... 相似文献
2.
为提高T接输电线路故障识别算法的精确性与可靠性,提出了一种基于多尺度行波有功功率和概率神经网络的T接输电线路故障识别方法.基于S变换分别计算区内3个行波保护单元多频率下的初始行波平均有功功率,并以此组成T接输电线路故障特征向量样本集.建立概率神经网络故障识别模型,并利用T接线路故障特征样本集对其进行训练和测试,从而识别... 相似文献
3.
为了监测识别生猪健康状况以及情绪状态,提出一种基于差分进化优化加权随机森林(DE-VRF)猪只声音分类模型,以猪只咳嗽、尖叫和进食声作为研究对象,经预处理后提取改进的梅尔倒谱系数(MFCC_F)、短时能量和短时过零率进行特征融合。采用主成分分析法(PCA)将特征参数降至13维,利用差分进化算法优化加权随机森林模型参数,将融合特征参数输入DE-VRF进行训练与识别。实验结果表明,基于DE-VRF模型的猪只声音平均识别率达96.34%,较DNN、1D-CNN模型相比提高了系统识别的性能。 相似文献
4.
为提高行波保护在各种工况下的可靠性,分析区内、外故障时线路两端的初始行波电流变化规律,提出一种基于多分辨奇异值分解和随机森林的同杆双回线路区内外故障识别方法.该方法通过提取故障后线路两端的行波电流数据进行相模变换,选取变换后的同向模量电流进行6层多分辨奇异值分解,计算每层的电流积分作为特征向量输入随机森林分类器模型中进... 相似文献
1