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:
针对现有局部放电(PD)信号特征提取方法存在的不足,提出一种基于变分模态分解(VMD)和Hilbert变换(Hilbert-VMD)的特征提取方法,并提出一种双阈值筛选法来确定VMD算法中的分解模态数.首先,根据PD信号功率谱,采用双阈值筛选法确定VMD算法中的分解模态数;其次,采用VMD算法对PD信号进行分解,得到数个有限带宽的固有模态分量(BLIMFs);然后,对各模态分量进行Hilbert变换并线性叠加后得到PD信号的Hilbert时频谱,并计算各模态分量的边际谱;最后,根据各模态分量的边际谱提取PD信号频域内的特征量,并用支持向量机(SVM)对所提取的特征量进行分类.实验结果表明,对试验环境下和现场实测两种环境下的PD信号,采用该文方法提取得到的特征量均具有较高的正确识别率,充分说明该特征提取方法可以有效提取PD信号特征.对于噪声较大的实测信号,采用该方法得到的正确识别率并未明显降低,说明该方法具有较好的噪声鲁棒性.此外,该文所提Hilbert-VMD方法也为PD信号提供了一种新的时频分析方法.
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
基于小波包变换的眼电信号特征提取及分类
眼电信号
小波包变换
支持向量机
基于EMD和Hilbert变换的脑磁信号特征提取和分类
脑机接口(BCI)
脑磁图(MEG)
经验模式分解(EMD)
Hilbert变换
主成分分析
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 基于改进变分模态分解和Hilbert变换的变压器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 Hilbert变换 双阈值筛选法 特征提取
年,卷(期) 2017,(9) 所属期刊栏目 高电压与绝缘技术
研究方向 页码范围 221-235
页数 15页 分类号 TM85
字数 10118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)
2017(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
Hilbert变换
双阈值筛选法
特征提取
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
相关基金
国家自然科学基金
英文译名:the National Natural Science Foundation of China
官方网址:http://www.nsfc.gov.cn/
项目类型:青年科学基金项目(面上项目)
学科类型:数理科学
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导