针对三相串联故障电弧的研究大多只是提供一种能够识别出故障电弧的方法,没有考虑用于工业实时检测的可能性,提出了一种基于深度置信网络的故障电弧检测方法。首先,通过搭建三相异步电机故障电弧实验平台获取不同故障情况下的电流数据,...针对三相串联故障电弧的研究大多只是提供一种能够识别出故障电弧的方法,没有考虑用于工业实时检测的可能性,提出了一种基于深度置信网络的故障电弧检测方法。首先,通过搭建三相异步电机故障电弧实验平台获取不同故障情况下的电流数据,并利用提升小波变换对其进行去噪;其次,通过核主成分分析法KPCA(kernel principal component analysis)提取去噪之后的数据的主成分,减少需要分析的变量;最后,通过PSO优化的DBN网络进行故障识别,与BP神经网络和极限学习机相比,其检测速度更快且准确率达到了98.8%,为应用于实时检测提供了可能性。展开更多
文摘针对三相串联故障电弧的研究大多只是提供一种能够识别出故障电弧的方法,没有考虑用于工业实时检测的可能性,提出了一种基于深度置信网络的故障电弧检测方法。首先,通过搭建三相异步电机故障电弧实验平台获取不同故障情况下的电流数据,并利用提升小波变换对其进行去噪;其次,通过核主成分分析法KPCA(kernel principal component analysis)提取去噪之后的数据的主成分,减少需要分析的变量;最后,通过PSO优化的DBN网络进行故障识别,与BP神经网络和极限学习机相比,其检测速度更快且准确率达到了98.8%,为应用于实时检测提供了可能性。