期刊导航
期刊开放获取
河南省图书馆
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
一种基于小波变换能量与神经网络结合的串联型故障电弧辨识方法
被引量:
60
1
作者
张士文
张峰
+2 位作者
王子骏
顾昊英
宁庆
《电工技术学报》
EI
CSCD
北大核心
2014年第6期290-295,302,共7页
针对交流串联型故障电弧发生时回路电流幅值较小、传统线路保护装置不能有效检测的问题,提出一种基于小波变换能量与神经网络结合且适用于多种典型负载的串联型低压交流故障电弧辨识方法。利用自制的电弧发生装置模拟产生低压交流故障电...
针对交流串联型故障电弧发生时回路电流幅值较小、传统线路保护装置不能有效检测的问题,提出一种基于小波变换能量与神经网络结合且适用于多种典型负载的串联型低压交流故障电弧辨识方法。利用自制的电弧发生装置模拟产生低压交流故障电弧,获取了6种典型家用负载情况下电路正常运行及产生串联型故障电弧时回路的电流信号。对采集的信号进行小波分解,将各层细节信号能量的平均值和标准差输入BP神经网络后构成小波神经网络,实现对不同负载测试样本的辨识。采用粒子群优化算法计算神经网络训练初始值,利用自适应学习率方法提高了训练速度。算法输出结果含义明确,输入层特征量选取合理。实验结果表明,采用该方法进行故障电弧辨识的准确率达到95%以上。
展开更多
关键词
故障电弧
小波变换
神经网络
粒子群算法
辨识方法
下载PDF
职称材料
基于支持向量机的低压串联故障电弧识别方法研究
被引量:
15
2
作者
王子骏
张峰
+2 位作者
张士文
顾昊英
曹潘亮
《电测与仪表》
北大核心
2013年第4期22-26,共5页
针对串联故障电弧发生时线路电流幅值较小传统线路保护装置不能进行有效检测的情况,提出一种基于支持向量机(SVM)的串联故障电弧识别方法。该方法利用自制的电弧发生装置模拟串联故障电弧,采集典型负载在正常回路和故障电弧回路中的电...
针对串联故障电弧发生时线路电流幅值较小传统线路保护装置不能进行有效检测的情况,提出一种基于支持向量机(SVM)的串联故障电弧识别方法。该方法利用自制的电弧发生装置模拟串联故障电弧,采集典型负载在正常回路和故障电弧回路中的电流数据,采用该数据训练基于支持向量机的串联故障电弧辨识模型。经实验证明,该辨识模型可以实现对典型线性负载和非线性负载回路中串联故障电弧的特征识别,最高识别准确率可达96%。该方法对硬件电路要求低,识别效率高,并且可以实现故障电弧波形的存储和处理,具有一定参考价值。
展开更多
关键词
低压串联故障电弧
支持向量机
分类辨识
电气火灾
下载PDF
职称材料
题名
一种基于小波变换能量与神经网络结合的串联型故障电弧辨识方法
被引量:
60
1
作者
张士文
张峰
王子骏
顾昊英
宁庆
机构
上海交通大学电子信息与电气工程学院
出处
《电工技术学报》
EI
CSCD
北大核心
2014年第6期290-295,302,共7页
基金
上海市"科技创新行动计划"2009年度社会发展领域重点科技资助项目(09231202600)
文摘
针对交流串联型故障电弧发生时回路电流幅值较小、传统线路保护装置不能有效检测的问题,提出一种基于小波变换能量与神经网络结合且适用于多种典型负载的串联型低压交流故障电弧辨识方法。利用自制的电弧发生装置模拟产生低压交流故障电弧,获取了6种典型家用负载情况下电路正常运行及产生串联型故障电弧时回路的电流信号。对采集的信号进行小波分解,将各层细节信号能量的平均值和标准差输入BP神经网络后构成小波神经网络,实现对不同负载测试样本的辨识。采用粒子群优化算法计算神经网络训练初始值,利用自适应学习率方法提高了训练速度。算法输出结果含义明确,输入层特征量选取合理。实验结果表明,采用该方法进行故障电弧辨识的准确率达到95%以上。
关键词
故障电弧
小波变换
神经网络
粒子群算法
辨识方法
Keywords
Arc fault
wavelet transformation
neural network
particle swarm optimization
identification method
分类号
TM501.2 [电气工程—电器]
下载PDF
职称材料
题名
基于支持向量机的低压串联故障电弧识别方法研究
被引量:
15
2
作者
王子骏
张峰
张士文
顾昊英
曹潘亮
机构
上海交通大学电子信息与电气工程学院
出处
《电测与仪表》
北大核心
2013年第4期22-26,共5页
基金
上海市"科技创新行动计划"2009年度社会发展领域重点科技资助项目(09231202600)
文摘
针对串联故障电弧发生时线路电流幅值较小传统线路保护装置不能进行有效检测的情况,提出一种基于支持向量机(SVM)的串联故障电弧识别方法。该方法利用自制的电弧发生装置模拟串联故障电弧,采集典型负载在正常回路和故障电弧回路中的电流数据,采用该数据训练基于支持向量机的串联故障电弧辨识模型。经实验证明,该辨识模型可以实现对典型线性负载和非线性负载回路中串联故障电弧的特征识别,最高识别准确率可达96%。该方法对硬件电路要求低,识别效率高,并且可以实现故障电弧波形的存储和处理,具有一定参考价值。
关键词
低压串联故障电弧
支持向量机
分类辨识
电气火灾
Keywords
low voltage series arc fault, Support Vector Machine (SVM), classification recognition, electrical fireaccidents
分类号
TM561 [电气工程—电器]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
一种基于小波变换能量与神经网络结合的串联型故障电弧辨识方法
张士文
张峰
王子骏
顾昊英
宁庆
《电工技术学报》
EI
CSCD
北大核心
2014
60
下载PDF
职称材料
2
基于支持向量机的低压串联故障电弧识别方法研究
王子骏
张峰
张士文
顾昊英
曹潘亮
《电测与仪表》
北大核心
2013
15
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部