| 基于自回归模型和超球面支持向量机的局部放电模式识别 |
| |
| 引用本文： | 张建文,王恩俊,陈焕栩,王曼,丁冬. 基于自回归模型和超球面支持向量机的局部放电模式识别[J]. 电工电能新技术, 2016, 0(9): 29-34. DOI: 10.3969/j.issn.1003-3076.2016.09.005 |
| |
| 作者姓名： | 张建文 王恩俊 陈焕栩 王曼 丁冬 |
| |
| 作者单位： | 1. 中国矿业大学信息与电气工程学院,江苏徐州,221008;2. 中船黄埔文冲船舶有限公司,广东广州,510715 |
| |
| 摘 要： | 为了提高变压器局部放电信号分类的准确率,提出了基于自回归模型和超球面支持向量机的模式识别算法。该方法对不同放电类型的信号建立自回归模型,将得到的模型系数作为局部放电信号的特征矩阵,输入到超球面支持向量机中对局部放电信号进行分类。由于超球面支持向量机中的惩罚因子和核函数参数对分类的准确率起着重要的作用,因此采用粒子群算法寻找最优的惩罚因子和核函数参数的组合。实验结果表明,基于自回归模型的参数特征,采用优化后的超球面支持向量机对局部放电信号进行分类,其分类准确率比未经优化超球面支持向量机的分类准确率提高了13.33%,比BP神经网络的识别率提高了20%,为局部放电信号的模式识别提供了一种新思路。
|
| 关 键 词： | 局部放电信号 自回归模型 超球面支持向量机 粒子群算法 |
Partial discharge pattern recognition based on autoregression model and hypersphere support vector machine |
| |
| Abstract: | |
| |
| Keywords: | partial discharge signal autoregression model hypersphere support vector machine particle swarm optimization |
| 本文献已被 CNKI 万方数据 等数据库收录！ |
|
