典型文献
基于多尺度熵分析与改进SVM的变压器故障识别
文献摘要：
为解决传统变压器故障识别方法提取故障特征难度大、识别准确率低等问题,提出基于多尺度标准差模糊熵(SDMFE)和哈里斯鹰算法(HHO)优化支持向量机(SVM)的故障识别方法.首先,采用基于模糊熵的多尺度分析法量化变压器振动信号复杂的动态特性,提取多时间尺度下的故障特征.随后,将利用SDMFE获得的故障特征输入SVM分类器识别变压器不同的故障.同时,为了提升SVM的识别性能,引入HHO算法以自适应、准确地选择SVM参数.最后,利用变压器实测振动信号进行 了对比试验.与不同的信息熵、不同的优化策略和不同的分类器相比,所提方法取得98.56％的最高识别准确度和最好的识别稳定性.结果表明所提方法能够有效提取故障敏感特征和准确识别变压器故障状态.
文献关键词：
变压器故障识别;多尺度标准差模糊熵;支持向量机;哈里斯鹰优化算法
中图分类号：
作者姓名：
邵凯旋;何怡刚;汪磊
作者机构：
武汉大学电气与自动化学院 武汉 430072
文献出处：
引用格式：
[1]邵凯旋;何怡刚;汪磊-.基于多尺度熵分析与改进SVM的变压器故障识别)[J].电子测量与仪器学报,2022(06):161-168
A类：
多尺度标准差模糊熵,SDMFE
B类：
多尺度熵分析,分析与改进,变压器故障识别,故障识别方法,故障特征,识别准确率,哈里斯鹰算法,HHO,优化支持向量机,多尺度分析,变压器振动,振动信号,动态特性,多时间尺度,分类器,器识,识别性,信息熵,有效提取,敏感特征,准确识别,故障状态,哈里斯鹰优化算法
AB值：
0.244194
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
