典型文献
基于WOA-BP和D-S证据的高压电机局部放电模式识别方法
文献摘要：
针对单一信号源特征无法准确识别局部放电(PD)类型的问题,提出了一种基于改进BP神经网络(BPNN)和D-S证据的高压电机PD模式识别方法.对不同类型PD的脉冲相位信息、特高频信号和超声波信号进行采集,提取不同信号的特征向参数,再分别构造基于鲸鱼优化算法(WOA)改进的BPNN识别模型对PD类型识别,将3个识别模型的识别结果作为证据体采用D-S证据组合规则进行融合,最后对融合结果进行决策.研究结果表明:基于3类单一信号源独立识别各类PD类型的准确度存在差异性和不确定性,识别率分别为83.3％、90.0％、83.3％,但3类信号源的共性和差异性可以融合互补,有各自优势,可以解决故障诊断中的不确定性问题.在此基础上,基于D-S证据融合的高压电机PD类型的整体识别率提升至96.6％,实现了 3种信号源的优势互补,与单一模型对比,所提方法可以稳定、准确地识别PD模式,具有更高准确率和可靠性,验证了所提方法的有效性与正确性.
文献关键词：
高压电机;局部放电;模式识别;D-S证据理论;信息融合
中图分类号：
作者姓名：
王卓;郑祥;王仁锋;杨景杰;许智海
作者机构：
大连交通大学 自动化与电气工程学院,辽宁 大连 116028
文献出处：
引用格式：
[1]王卓;郑祥;王仁锋;杨景杰;许智海-.基于WOA-BP和D-S证据的高压电机局部放电模式识别方法)[J].电机与控制应用,2022(11):40-47
A类：
B类：
WOA,高压电机,局部放电,放电模式,模式识别,信号源,准确识别,别局,BPNN,相位信息,特高频信号,声波信号,鲸鱼优化算法,识别模型,类型识别,证据体,证据组合,识别率,证据融合,优势互补,模型对比,证据理论,信息融合
AB值：
0.289546
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。
