断路器状态识别方法的研究.docx
《断路器状态识别方法的研究.docx》由会员分享,可在线阅读,更多相关《断路器状态识别方法的研究.docx(5页珍藏版)》请在第一文库网上搜索。
1、断路器状态识别方法的研究故障识别就是依据特征向量在特征空间中的位置对系统的状态进行分类,分类算法分为线性分类方法和非线性分类方法。线性分类方法具有计算量少、速度快等优点,对于线性可分的特征向量,可以取得较好的分类效果。常用的线性分类算法包括基于马氏(Mahalanobis)距离的线性分类算法和基于线性判别分析(Linear Discriminant Analysis, LDA)的分类算法等错误!未找至!j引用源。非线性分类算法比线性分类算法具有更好的分类特性,特别是对于线性不可分的分类问题,仍然能取得较高的分类性能。常用的非线性分类算法包括支持向量机(SupportVector Machine
2、 ,SVM) 人工神经网络(Neural Networks, NN)分类器等。其中,神经网络分类器具有高速并行处理、分布存贮信息等特性,这使其在模式识别方面具有传统模式识别方法不可比拟的优点。采用基于无迹卡尔曼滤波(UnsecntKalman Filter, UKF)算法的多层前向神经网络对振动信号的特征进行分类,并验证分类效果。(1)分辨系数法在比较向量之间的相似性时,比较朴素的方法就是选取向量间的欧氏距离作为判据,在很多其他的方法中也借鉴了欧氏距离的概念,如动态时间规整、人工免疫网络等。前述方法都使用了欧氏距离的绝对值,其阈值的合理选择是关键。分辨系数法(Resolution Ratio,
3、 RR)利用了归一化方法,其值由待检向量与基准向量距离、参考向量与基准向量距离之比决定,辨识系数越大则待检状态偏离参考状态越远,应用中应通过多次试验确定合理的阈值。(2)协方差协方差(Covariance)是统计学中用于度量两个变量整体误差的指标,当两个变量相同时,协方差转化为方差(Variance),方差的平方根称为标准差(StandardDeviation)o当以选定频带能量作为特征向量时,不同合阐同期性状态的特征向量在特征平面的分布具有明显的界限,利用特征向量的标准差确定容差可以对状态进行分类。以振动信号的方差和协方差为坐标,不同状态下的坐标各自归类到不同的区域,可用于故障识别。(3)人
4、工神经网络人工神经网络是一种模拟人脑神经系统信息处理机制的数学模型,其通过相互连接的各神经元之间的并行处理,来模仿人脑的思维判断过程。人工神经网络具有并行性高、自适应性强、容错性好以及良好联想记忆功能和知识分布存储等特点,对外界输入样本表现出了良好的识别与分类能力。将断路器振动信号的特征量输入到神经网络,神经网络通过其网络模型的相关运算输出对应的状态类别,从而实现断路器的故障诊断。人工神经网络存在易陷入局部最优解、网络训练速度慢、过学习等缺点,在实际应用中其参数设置也具有一定难度,而且由于其对训练样本要求较高,不大适合于小样本分类问题,因此其在高压断路器故障诊断领域的应用并不广泛。(4)支持向
5、量机支持向量机一种基于统计学习理论的机器学习方法,具有强大的分类和预测功能。支持向量机模型是一个高维特征空间上的线性分类器,其基于结构风险最小化理论,能够在样本空间较小的条件下仍保持较高的精度,十分适合于小样本、高维度及非线性的分类问题。由于高压断路器一般很少动作,无法获得足够的故障样本数据,所以高压断路器故障诊断实际上是一个小样本分类问题,因此支持向量机在该研究中获得了广泛的应用。均采用支持向量机对高压断路器状态进行识别,将断路器振动信号的特征向量输入到支持向量机中,支持向量机根据其训练模型对断路器状态进行分类。相较于人工神经网络,支持向量机在解决小样本分类问题上能力更加突出,因此在断路器故
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 断路器 状态 识别 方法 研究
