期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到2篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于DWT和BO-ECOC-SVMs的异步电机调速过程匝间短故障检测与定位
1
作者 马杰 曾祥浩 +1 位作者 费继友 孙钢 《电气工程学报》 2025年第6期214-222,共9页
轨道交通车辆等运输设备较多采用三相异步电机作为驱动电机,三相异步电机经常工作于变频调速状态。为了能够在异步电机的调速过程中对其匝间短路故障进行检测和定位,首先需要测量异步电机的零序电压和三相电流,利用离散小波(Discrete wa... 轨道交通车辆等运输设备较多采用三相异步电机作为驱动电机,三相异步电机经常工作于变频调速状态。为了能够在异步电机的调速过程中对其匝间短路故障进行检测和定位,首先需要测量异步电机的零序电压和三相电流,利用离散小波(Discrete wavelet transform,DWT)分解和重构将零序电压信号和三相电流重构于不同的频带,并计算各个频带信号的均方根(Root mean square,RMS)。其次,以各频带信号RMS为故障特征,采用纠错输出码(Error-correcting output code,ECOC)结合支持向量机(Support vector machine,SVM)建立多分类模型,利用贝叶斯优化方法(Bayesian optimization,BO)对该多分类模型的超参数进行优化,采用该最优模型进行异步电机匝间短路故障检测与定位。设计试验平台对所提出的方法进行试验验证,将试验所得的样本标记为无故障、a相匝间短路、b相匝间短路和c相匝间短路4类。通过试验数据所建立的模型在训练集和测试集上的分类正确率分别为99.83%和95.31%,该结果证明了基于DWT和BO-ECOC-SVMs的异步电机调速过程匝间短故障检测与定位方法的有效性。 展开更多
关键词 匝间短路 故障检测 ecoc-svms 贝叶斯优化
在线阅读 下载PDF
基于卷积神经网络与ECOC-SVM的输电线路异物检测 被引量：24
2
作者 余沿臻 邱志斌 +2 位作者 周银彪 朱轩 王青 《智慧电力》 北大核心 2022年第3期87-92,107,共7页
输电线路悬挂异物会引发输电线路单相接地、相间短路等停电事故,因此本文提出一种基于卷积神经网络与ECOC-SVM的输电线路异物检测方法。首先,本文构建气球、风筝、塑料和鸟巢4种输电线路异物图像数据集;然后采用Otsu自适应阈值分割、形... 输电线路悬挂异物会引发输电线路单相接地、相间短路等停电事故,因此本文提出一种基于卷积神经网络与ECOC-SVM的输电线路异物检测方法。首先,本文构建气球、风筝、塑料和鸟巢4种输电线路异物图像数据集;然后采用Otsu自适应阈值分割、形态学处理等方法提取感兴趣区域;再利用DenseNet201提取感兴趣区域的特征;最后对ECOC-SVM模型进行训练、测试与结果分析。所用方法在4类异物上的平均识别准确率可达93.3%,有助于提高输电线路运维的效率。 展开更多
关键词 输电线路 异物检测 DenseNet201 卷积神经网络 ecoc-svm
在线阅读 下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
使用帮助 返回顶部