基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
提出了一种基于自适应模糊支持向量机增量算法的变压器故障诊断方法.对变压器故障诊断采取分层结构,以模式识别思想提取与分类模式密切相关的输入特征,有效地抑制了冗余信息的干扰;采用参数自适应优化算法增强了SVM参数选择的灵活性,加快了算法的收敛速度.邻近增量算法提高了诊断模型的精度与对于新样本的学习能力,与普通的多分类支持向量机以及多分类模糊支持向量机算法相比,该算法具有较好的收敛性和良好的诊断效果.
推荐文章
基于DGA支持向量机的变压器故障诊断
DGA
支持向量机
变压器
故障诊断
参数优化
SVM模型
支持向量机在电力变压器故障诊断中的应用
变压器
故障诊断
溶解气体分析
支持向量机
基于支持向量机的变压器故障诊断
变压器
故障诊断
K均值聚类
支持向量机
基于自适应免疫算法的变压器故障诊断
故障诊断
免疫遗传算法
约束独立成分分析
变压器油中溶解气体
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 自适应模糊支持向量机邻近增量算法在变压器故障诊断中的应用
来源期刊 电力系统保护与控制 学科 工学
关键词 模糊支持向量机 增量算法 隶属度 自适应 变压器 油中溶解气体
年,卷(期) 2010,(17) 所属期刊栏目
研究方向 页码范围 47-52
页数 分类号 TM71
字数 4162字 语种 中文
DOI 10.3969/j.issn.1674-3415.2010.17.010
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 刘志刚 西南交通大学电气工程学院 198 3421 30.0 45.0
2 韩志伟 西南交通大学电气工程学院 40 570 15.0 22.0
3 刘同杰 西南交通大学电气工程学院 2 5 1.0 2.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (98)
共引文献  (373)
参考文献  (12)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1987(1)
  • 参考文献(0)
  • 二级参考文献(1)
1989(1)
  • 参考文献(0)
  • 二级参考文献(1)
1990(1)
  • 参考文献(0)
  • 二级参考文献(1)
1992(1)
  • 参考文献(0)
  • 二级参考文献(1)
1993(3)
  • 参考文献(0)
  • 二级参考文献(3)
1994(1)
  • 参考文献(0)
  • 二级参考文献(1)
1995(3)
  • 参考文献(0)
  • 二级参考文献(3)
1996(5)
  • 参考文献(0)
  • 二级参考文献(5)
1997(3)
  • 参考文献(0)
  • 二级参考文献(3)
1998(5)
  • 参考文献(0)
  • 二级参考文献(5)
1999(7)
  • 参考文献(0)
  • 二级参考文献(7)
2000(9)
  • 参考文献(0)
  • 二级参考文献(9)
2001(12)
  • 参考文献(0)
  • 二级参考文献(12)
2002(14)
  • 参考文献(0)
  • 二级参考文献(14)
2003(12)
  • 参考文献(2)
  • 二级参考文献(10)
2004(17)
  • 参考文献(2)
  • 二级参考文献(15)
2005(9)
  • 参考文献(3)
  • 二级参考文献(6)
2006(2)
  • 参考文献(1)
  • 二级参考文献(1)
2008(4)
  • 参考文献(4)
  • 二级参考文献(0)
2010(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
模糊支持向量机
增量算法
隶属度
自适应
变压器
油中溶解气体
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
电力系统保护与控制
半月刊
1674-3415
41-1401/TM
大16开
河南省许昌市许继大道1706号
36-135
1973
chi
出版文献量(篇)
11393
总下载数(次)
13
总被引数(次)
201041
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导