-
公开(公告)号：CN110082082B
公开(公告)日：2020-11-17
申请号：CN201910350848.X
申请日：2019-04-28
Applicant: 国网四川省电力公司南充供电公司
Abstract: 本发明公开了一种基于振动信号主成分分析法的GIS状态识别方法，提取正常及不同故障状态下GIS振动信号的14个特征量组成14维的复合特征向量；然后运用主成分分析法对特征向量进行压缩降维成主成分特征向量；然后通过深度置信网络两阶段的训练得到振动信号主成分特征向量与GIS状态之间的对应决策函数，使用其对待状态识别的GIS振动信号主成分特征向量进行分类，根据分类确定该GIS状态。使用主成分分析法对复合特征向量进行优化，不仅保留了复合特征向量的原始信息，而且降低了特征向量维数，提高了分类器的工作效率，有效改善了GIS状态识别的精度和速度。
-
公开(公告)号：CN110082082A
公开(公告)日：2019-08-02
申请号：CN201910350848.X
申请日：2019-04-28
Applicant: 国网四川省电力公司南充供电公司 , 四川大学
Abstract: 本发明公开了一种基于振动信号主成分分析法的GIS状态识别方法，提取正常及不同故障状态下GIS振动信号的14个特征量组成14维的复合特征向量；然后运用主成分分析法对特征向量进行压缩降维成主成分特征向量；然后通过深度置信网络两阶段的训练得到振动信号主成分特征向量与GIS状态之间的对应决策函数，使用其对待状态识别的GIS振动信号主成分特征向量进行分类，根据分类确定该GIS状态。使用主成分分析法对复合特征向量进行优化，不仅保留了复合特征向量的原始信息，而且降低了特征向量维数，提高了分类器的工作效率，有效改善了GIS状态识别的精度和速度。
-
公开(公告)号：CN110059437B
公开(公告)日：2023-12-01
申请号：CN201910350197.4
申请日：2019-04-28
Applicant: 国网四川省电力公司南充供电公司
IPC: G06F18/2433 , G06F18/2131 , G06F18/22 , G06N3/006 , G01H17/00 , G06F123/02
Abstract: 本发明公开了一种基于变分模态分解的GIS振动信号特征量提取方法，解决了GIS振动信号产生的来源不同，其特征也会有所差异的情况下不能精准地获取的有用特征信息，存在过度分解导致的信息缺失的问题。本发明运用灰狼捕食算法对变分模态分解算法进行参数优化；运用经优化后的变分模态分解算法对GIS机械振动信号进行分解，有效提取出承载丰富特征信息的最佳IMF分量；提取最佳IMF分量的最大幅值、均方根值、峭度、100Hz占比、50Hz及其奇次倍频占比、100Hz的倍频占比之和作为特征量，构造特征向量；通过正常与故障状态下特征向量的对比，实现GIS机械故障的诊断。
-
公开(公告)号：CN110059437A
公开(公告)日：2019-07-26
申请号：CN201910350197.4
申请日：2019-04-28
Applicant: 国网四川省电力公司南充供电公司 , 四川大学
Abstract: 本发明公开了一种基于变分模态分解的GIS振动信号特征量提取方法，解决了GIS振动信号产生的来源不同，其特征也会有所差异的情况下不能精准地获取的有用特征信息，存在过度分解导致的信息缺失的问题。本发明运用灰狼捕食算法对变分模态分解算法进行参数优化；运用经优化后的变分模态分解算法对GIS机械振动信号进行分解，有效提取出承载丰富特征信息的最佳IMF分量；提取最佳IMF分量的最大幅值、均方根值、峭度、100Hz占比、50Hz及其奇次倍频占比、100Hz的倍频占比之和作为特征量，构造特征向量；通过正常与故障状态下特征向量的对比，实现GIS机械故障的诊断。
-
-
-
Search Results
4
records
(took 0.045 seconds)
