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:
为了更准确、快速地对高压断路器故障进行分类、诊断,提出一种基于混合布谷鸟算法优化的最小二乘支持向量机(LSSVM)的故障诊断方法.首先提取分合闸线圈的时间和电流特征量得到特征向量,再利用模拟退火算法(SA)与布谷鸟算法(CS)结合形成的混合布谷鸟算法(CS-SA),对支持向量机进行寻优,旨在得到具有最优参数支持向量机分类模型,提高诊断结果的准确性.最后,利用收集到的数据对该算法进行诊断验证,结果表明利用混合布谷鸟算法优化后的LS-SVM得到的分类模型比常用的粒子群算法、遗传算法、标准布谷鸟算法优化得到的模型准确率更高.
推荐文章
基于混合分类器的高压断路器故障诊断
高压断路器
支持向量数据描述
混合粒子群算法
小波核函数孪生支持向量机
故障诊断
基于改进SVM算法的高压断路器故障诊断
高压断路器
自适应粒子群
支持向量机
故障诊断
基于振动信号的高压断路器故障诊断
高压断路器
振动信号
故障诊断
变分模态分解
基于混合布谷鸟算法的图像阈值分割
布谷鸟算法
粒子群算法
阈值分割方法
OTSU法
全阈值迭代
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 混合布谷鸟算法在高压断路器故障诊断上的应用
来源期刊 高压电器 学科
关键词 高压断路器 故障诊断 支持向量机 混合布谷鸟算法
年,卷(期) 2018,(3) 所属期刊栏目 技术讨论
研究方向 页码范围 212-218
页数 7页 分类号
字数 语种 中文
DOI 10.13296/j.1001-1609.hva.2018.03.031
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 张新燕 161 1140 18.0 26.0
2 徐其丹 7 15 2.0 3.0
3 赵理威 5 20 3.0 4.0
4 李笑竹 5 7 1.0 2.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (115)
共引文献  (211)
参考文献  (20)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1983(1)
  • 参考文献(0)
  • 二级参考文献(1)
1989(1)
  • 参考文献(0)
  • 二级参考文献(1)
1991(1)
  • 参考文献(0)
  • 二级参考文献(1)
1997(1)
  • 参考文献(0)
  • 二级参考文献(1)
1998(2)
  • 参考文献(0)
  • 二级参考文献(2)
1999(2)
  • 参考文献(0)
  • 二级参考文献(2)
2001(4)
  • 参考文献(0)
  • 二级参考文献(4)
2003(6)
  • 参考文献(0)
  • 二级参考文献(6)
2004(7)
  • 参考文献(0)
  • 二级参考文献(7)
2005(2)
  • 参考文献(0)
  • 二级参考文献(2)
2006(7)
  • 参考文献(1)
  • 二级参考文献(6)
2007(13)
  • 参考文献(1)
  • 二级参考文献(12)
2008(5)
  • 参考文献(1)
  • 二级参考文献(4)
2009(8)
  • 参考文献(0)
  • 二级参考文献(8)
2010(8)
  • 参考文献(0)
  • 二级参考文献(8)
2011(11)
  • 参考文献(1)
  • 二级参考文献(10)
2012(11)
  • 参考文献(0)
  • 二级参考文献(11)
2013(30)
  • 参考文献(5)
  • 二级参考文献(25)
2014(7)
  • 参考文献(4)
  • 二级参考文献(3)
2015(8)
  • 参考文献(7)
  • 二级参考文献(1)
2018(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
高压断路器
故障诊断
支持向量机
混合布谷鸟算法
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
高压电器
月刊
1001-1609
61-1127/TM
大16开
西安市西二环北段18号
52-36
1958
chi
出版文献量(篇)
5932
总下载数(次)
16
论文1v1指导