江苏省科技支撑计划项目(BE2013883)
- 作品数：2 被引量：76H指数：2
- 相关作者：郑建勇梅飞梅军朱克东张思宇更多>>
- 相关机构：东南大学河海大学更多>>
- 发文基金：江苏省科技支撑计划项目更多>>
- 相关领域：电气工程更多>>
- 粒子群优化的KFCM及SVM诊断模型在断路器故障诊断中的应用被引量：69
- 2013年
- 为了利用相对较少的故障数据样本对断路器主要故障类型进行较为准确的在线判断,提出了一种基于融合粒子群的模糊核聚类(particle swarm fused kernel fuzzy C-means,P-KFCM)与支持向量机(support vector machine,SVM)的故障诊断方法。通过对断路器分合闸电流信号的分析,找出与断路器主要故障类型相对应的特征量;据此对采样信号进行处理,建立故障特征样本空间;利用P-KFCM算法对故障训练样本进行预分类,并以此为基础建立多SVM故障预测模型。P-KFCM算法将粒子群(particle swarm optimization,PSO)的全局搜索能力融入KFCM中,有效的解决了局部最优问题,在一定程度上提升了诊断结果的可靠性。实验结果表明,该方法在诊断断路器主要机械故障方面能够取得较好的效果。
- 梅飞梅军郑建勇张思宇朱克东
- 关键词：模糊核聚类粒子群断路器故障诊断
- 基于KPCA-SVM的断路器故障稳健诊断方法被引量：9
- 2014年
- 高压断路器是电力系统中重要的一次设备,其故障诊断是实现状态检修的前提。在实际应用中,诊断模型的准确度会受到数据干扰而产生误判,严重影响检修效果。为提高诊断模型的鲁棒性,本文从采样数据角度对故障诊断进行了研究,提出了基于KPCA-SVM的断路器故障稳健诊断方法。利用核主元分析分离正常数据样本空间与故障数据样本空间,加大了训练样本间的差异度;再以支持向量机建立故障诊断模型对断路器主要故障进行诊断,极大提升了诊断模型的抗干扰性能,实验证明取得了较好的效果。
- 梅飞梅军郑建勇朱克东
- 关键词：断路器故障诊断KPCASVM
