基于主成分和小波神经网络的绝缘子污秽放电发展阶段识别

• 作者: 王峰 舒乃秋 袁开明
• 来源期刊: 绝缘材料
• 关键词: 主成分分析法 小波神经网络 绝缘子污秽放电 模式识别
• 年，卷（期）: 2015,（4）
• 页码范围: 52-56,60
• 页数: 6页
• 分类号: TM85|TM216
• 语种: 中文

摘要

针对绝缘子污秽放电模式识别过程中声发射信号的特征参量维数过高的问题，采用主成分分析法对特征参量降维，利用提取到的绝缘子污秽放电声发射信号的特征参数构成原始特征参量矩阵，通过对原始特征参量矩阵进行K-L正交变换，产生了包含原始特征参量矩阵主要信息的K个主成分，最后利用小波神经网络进行绝缘子污秽放电的模式识别。结果表明：利用主成分分析法降低特征参量的维数，使分类器的结构更简单，小波神经网络比传统的BP神经网络具有更高的识别率和更优的识别效果。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王峰	武汉大学电气工程学院	38	352	9.0	17.0
2	舒乃秋	武汉大学电气工程学院	116	1489	22.0	32.0
3	袁开明	武汉大学电气工程学院	5	44	3.0	5.0