典型文献
基于SOA-SVM的弓网电弧识别方法
文献摘要：
受电弓-接触网作为牵引供电系统的重要组成部分关系着高速列车的安全与稳定,及早的对弓网电弧进行识别对于保障列车稳定运行具有十分重要的意义.通过计算更符合列运实际的"Z"字摩擦速率并对列车的运行时速、接触压力及接触电流依次进行单变量调整,模拟了 4种不同工况的弓网受流实验.基于实验数据,从特征供给和参数优化两方面出发:首先,利用D-score评估准则对电流特征进行对比,筛选出电弧识别特征及其显著区间;其次,设计样本定容环节考察特征信息的完备性;最后,利用海鸥算法(seagull optimization algorithm,SOA)优化支持向量机(support vector machine,SVM)对弓网电弧建模识别.经测试结果与对比分析得出,SOA-SVM能够快速、有效的对弓网电弧建模识别,平均识别水平达98.5％、总体识别水平在97％以上.
文献关键词：
弓网电弧;故障识别;特征选择;海鸥优化算法;支持向量机
中图分类号：
作者姓名：
李斌;娄璟;杜典松
作者机构：
辽宁工程技术大学电气与控制工程学院 葫芦岛 125105
文献出处：
引用格式：
[1]李斌;娄璟;杜典松-.基于SOA-SVM的弓网电弧识别方法)[J].电子测量与仪器学报,2022(10):83-91
A类：
B类：
SOA,弓网电弧,电弧识别,受电弓,接触网,牵引供电系统,高速列车,时速,接触压力,接触电,不同工况,弓网受流,score,评估准则,识别特征,定容,特征信息,完备性,用海,海鸥算法,seagull,optimization,algorithm,优化支持向量机,support,vector,machine,故障识别,特征选择,海鸥优化算法
AB值：
0.399153
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。
