典型文献
有载分接开关GLCM纹理特征及改进随机森林算法的故障诊断方法
文献摘要：
针对变压器有载分接开关早期故障征兆难以辨识问题,从兼顾信号计算速度和故障诊断准确性出发,提出一种基于图像纹理特征及改进随机森林故障诊断算法.将预处理后振动信号通过小波包分解转换为反映不同运行状态的二维时频灰度图,利用描述区域像素关系的灰度共生矩阵(gray-level co-occurrence matrix,GLCM)对原始信号定量表征,提取出6维特征向量输入到随机森林算法,考虑到传统投票规则忽略了分类器个体强弱差异,构建以受试者工作特征曲线的下方面积(area under the curve,AUC)为判据的改进随机森林分类器,最终实现对分接开关异常状态的准确识别.试验结果表明:GLCM纹理特征及改进随机森林分类器将识别精度提升至97.5％,具有"零漏报率"和更优在线诊断效率.该方法在分接开关现场异常状态识别中具有较高应用价值.
文献关键词：
有载分接开关;振动信号;灰度共生矩阵;随机森林算法;故障诊断
中图分类号：
作者姓名：
赵书涛;王紫薇;陈志华;胡经伟;周子煜
作者机构：
华北电力大学电气与电子工程学院,保定071003;国网湖北省电力有限公司黄冈供电公司,黄冈438000
文献出处：
引用格式：
[1]赵书涛;王紫薇;陈志华;胡经伟;周子煜-.有载分接开关GLCM纹理特征及改进随机森林算法的故障诊断方法)[J].高电压技术,2022(09):3593-3601
A类：
B类：
有载分接开关,GLCM,改进随机森林算法,故障诊断方法,变压器,早期故障,故障征兆,计算速度,诊断准确性,图像纹理特征,故障诊断算法,振动信号,小波包分解,时频,灰度图,像素,灰度共生矩阵,gray,level,co,occurrence,matrix,定量表征,维特,特征向量,投票,受试者工作特征曲线,area,under,curve,判据,随机森林分类器,异常状态,准确识别,识别精度,精度提升,漏报率,在线诊断,诊断效率,状态识别
AB值：
0.316723
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。
