FAILED
首站-论文投稿智能助手
典型文献
CEEMDAN与GCN结合的配电变压器故障诊断
文献摘要:
针对配电变压器故障特征提取困难、故障识别难度大的问题,提出一种将振动信号、自适应噪声完备集合经验模态分解(CEEMDAN)与图卷积神经网络(GCN)三者有机结合的故障诊断方法.首先,采用CEEMDAN对来自加速度传感器的振动信号进行处理,获得一组固有模态分量(intrinsic modal function);其次求取边际谱信息作为特征向量;然后,对特征向量矩阵构造无向加权完全图,并使用改进灰狼优化算法对高斯核带宽进行寻优;最后,搭建一个具备多通道和多连通的改进GCN模型进行特征二次挖掘与故障分类.与此同时,还在模型中加入一种名叫"峰值因子"指标实现对未知类型故障的辨识.在实例分析中,分别对油浸式和干式变压器进行故障模拟,提取不同状态的样本进行测试.实验结果表明,所提方法对油浸式和干式变压器的故障识别准确率分别达到97.73%和95.6%,优于其他两种对比方法.在面对未知类型故障以及运行工况发生变化时,也具备较高是识别能力.
文献关键词:
配电变压器;故障诊断;振动信号;CEEMDAN;GCN
作者姓名:
洪翠;邱仕达;高伟
作者机构:
福州大学电气工程与自动化学院 福州 350108
引用格式:
[1]洪翠;邱仕达;高伟-.CEEMDAN与GCN结合的配电变压器故障诊断)[J].电子测量与仪器学报,2022(12):86-96
A类:
B类:
CEEMDAN,GCN,配电变压器,变压器故障诊断,故障特征提取,故障识别,振动信号,自适应噪声完备集合经验模态分解,图卷积神经网络,故障诊断方法,加速度传感器,固有模态分量,intrinsic,modal,function,求取,边际谱,特征向量,向量矩阵,完全图,改进灰狼优化算法,高斯核,多通道,故障分类,名叫,峰值因子,知类,干式变压器,故障模拟,识别准确率,比方,运行工况,识别能力
AB值:
0.319934
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。