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:
为了有效提取局部放电信号的特征,提出了一种基于变分模态分解(VMD)和多尺度熵(MSE)的特征向量提取方法,并采用BP神经网络分类器对放电类型进行识别.特征向量的提取过程是首先利用VMD分解算法对局部放电信号进行分解,得到数个有限带宽的固有模态分量;然后分别计算分解得到的模态分量的MSE,将其组合得到初始特征向量;最后利用主成分分析法对初始特征向量进行降维处理.用该方法对实验室条件下4种放电信号和不同放电程度的电晕放电进行特征提取及识别.结果表明,该方法能有效提取放电信号的特征,以其作为特征向量可以正确识别不同的放电类型和同种放电类型下的不同放电程度.
推荐文章
变压器局部放电信号检测与类型识别
变压器局部放电
超高频法
提升双树复小波
BP神经网络
基于多尺度熵和支持向量机的局部放电模式识别
局部放电
多尺度熵
支持向量机
特征提取
模式识别
变压器现场超高频局部放电信号的时域特征分析
电力变压器
局部放电
超高频
电磁波
基于局部均值分解和多尺度熵的运动想象脑电信号特征提取方法
脑电信号(EEG)
特征提取
局部均值分解(LMD)
多尺度熵(MSE)
支持向量机(SVM)
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 基于VMD和多尺度熵的变压器内绝缘局部放电信号特征提取及分类
来源期刊 电工技术学报 学科 工学
关键词 局部放电 变分模态分解 多尺度熵 特征提取 模式识别
年,卷(期) 2016,(19) 所属期刊栏目 高电压与绝缘技术
研究方向 页码范围 208-217
页数 10页 分类号 TM85
字数 6851字 语种 中文
DOI
五维指标
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (0)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
2016(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
局部放电
变分模态分解
多尺度熵
特征提取
模式识别
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
电工技术学报
半月刊
1000-6753
11-2188/TM
大16开
北京市西城区莲花池东路102号天莲大厦10层
6-117
1986
chi
出版文献量(篇)
8330
总下载数(次)
38
总被引数(次)
195555
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导