章坚：基于灰度图中心矩与概率神经网络分类器的局部放电模式识别论文

本文主要研究内容

作者章坚（2019）在《基于灰度图中心矩与概率神经网络分类器的局部放电模式识别》一文中研究指出：为了提高局部放电的识别率与速度,本文将矩特征与概率神经网络相结合应用于局部放电模式识别,采集了开关柜四种缺陷放电类型。通过每种放电类型的三维谱图谱图获取矩特征。将得到的矩特征输入概率神经网络(PNN)进行分类识别。并分别与统计特征输入PNN、矩特征输入BP、HMM(隐马尔科夫模型)、贝叶斯分类器进行了比较。实验结果表明,基于矩特征与概率神经网路相结合对开关柜缺陷类型的分类效果令人满意。

Abstract

wei le di gao ju bu fang dian de shi bie lv yu su du ,ben wen jiang ju te zheng yu gai lv shen jing wang lao xiang jie ge ying yong yu ju bu fang dian mo shi shi bie ,cai ji le kai guan gui si chong que xian fang dian lei xing 。tong guo mei chong fang dian lei xing de san wei pu tu pu tu huo qu ju te zheng 。jiang de dao de ju te zheng shu ru gai lv shen jing wang lao (PNN)jin hang fen lei shi bie 。bing fen bie yu tong ji te zheng shu ru PNN、ju te zheng shu ru BP、HMM(yin ma er ke fu mo xing )、bei xie si fen lei qi jin hang le bi jiao 。shi yan jie guo biao ming ,ji yu ju te zheng yu gai lv shen jing wang lu xiang jie ge dui kai guan gui que xian lei xing de fen lei xiao guo ling ren man yi 。

论文参考文献

[1].基于矩特征与概率神经网络的局部放电模式识别[J]. 周沙,景亮. 电力系统保护与控制.2016(03)

[2].复杂数据源下基于深度卷积网络的局部放电模式识别[J]. 宋辉,代杰杰,张卫东,毕凯,盛戈皞,江秀臣. 高电压技术.2018(11)

[3].基于稀疏自编码和极限学习机的局部放电模式识别[J]. 何金,曹梦,王伟,朱旭亮,邢向上,陈荣. 高压电器.2018(11)

[4].电力变压器局部放电模式识别[J]. 王传栋. 科技风.2018(01)

[5].局部放电信号识别研究现状[J]. 陈海超. 中国新通信.2019(10)

[6].基于决策分类的变压器局部放电模式识别研究[J]. 瞿绍军. 电子世界.2014(09)

[7].基于相位分解法的局部放电模式识别[J]. 史志侠. 高压电器.1998(04)

[8].基于融合极限学习机的局部放电模式识别[J]. 潘志新,刘利国,钱程,王震,袁栋. 电力工程技术.2019(05)

[9].采用小波包树能量矩阵奇异值分解的局部放电模式识别[J]. 赵煦,刘晓航,孟永鹏,刘圣冠,柴琦,兀鹏越,孟国栋. 西安交通大学学报.2017(08)

[10].采用小波分析与神经网络技术的局部放电统计识别方法[J]. 淡文刚,陈祥训,郑健超. 中国电机工程学报.2002(09)

论文详细介绍

论文作者分别是来自通讯世界的章坚，发表于刊物通讯世界2019年07期论文，是一篇关于矩特征论文,局部放电论文,模式识别论文,三维谱图论文,通讯世界2019年07期论文的文章。本文可供学术参考使用，各位学者可以免费参考阅读下载，文章观点不代表本站观点，资料来自通讯世界2019年07期论文网站，若本站收录的文献无意侵犯了您的著作版权，请联系我们删除。

本文来源: https://www.lw50.cn/article/ca4f711af62aeef04e8aa8ac.html