基于SVM与合分闸线圈电流参数的高压断路器机械故障诊断

• 作者: 岳大为 李奎 王尧 袁金丽 郭志涛
• 来源期刊: 高压电器
• 学科: 工学
• 关键词: 支持向量机 粒子群优化算法 高压断路器 故障诊断 径向基核函数
• 年，卷（期）: 2011,（3）
• 所属期刊栏目: 研究与分析
• 页码范围: 26-30
• 分类号: TM561
• 字数: 4061字
• 语种: 中文

摘要

高压断路器故障的早期诊断是有效提高电力系统运行可靠性的重要手段,笔者提出应用高性能的支持向量机(SVM)进行高压断路器的机械故障诊断.支持向量机核函数参数的选择直接影响分类结果的好坏,该诊断方法采用群智能算法PSO确定支持向量机中核函数的最优参数以提升分类器性能,将从高压断路器的机械参数信号中提取的动作特性特征量作为支持向量机训练和识别的样本.试验结果表明,该方法确实达到了较高的故障诊断正确率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王尧		35	424	11.0	20.0
2	李奎		64	739	16.0	25.0
3	郭志涛		47	339	9.0	16.0
4	岳大为		30	307	9.0	17.0
5	袁金丽		16	210	7.0	14.0