基于收敛性线性粒子群优化算法的1-SVM电力设备状态分析方法

• 作者: 卢达 张建良 林繁涛 段永贤 齐冬莲
• 来源期刊: 黑龙江大学工程学报
• 学科: 工学
• 关键词: 电力设备 状态分析 粒子群优化 1-SVM
• 年，卷（期）: 2017,（4）
• 所属期刊栏目: 机电工程与自动化
• 页码范围: 75-82
• 页数: 8页
• 分类号: TM726
• 字数: 4955字
• 语种: 中文
• DOI: 10.13524/j.2095-008x.2017.04.059

摘要

根据基于图像的机器学习方法在电力设备状态分析中的应用特点,设计了包括模型学习、 设备粗定位及对齐分割在内的电力设备状态识别主要技术框架.针对利用图像对关键电力设备进行对齐分割的问题,配合图像模型中的主要特征提取方法,建立了基于收敛性线性粒子群优化算法的1-SVM电力设备状态精确对齐及分割方法.仿真实验验证了该方法在以隔离开关为对象的电力设备分析识别中能够获得较快的处理速度,同时具备较好的分类性能.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	齐冬莲	浙江大学电气工程学院	74	944	15.0	28.0
2	张建良	浙江大学电气工程学院	27	107	5.0	9.0
3	卢达		7	17	3.0	4.0
4	林繁涛		8	53	5.0	7.0
5	段永贤		1	3	1.0	1.0