摘要: 针对发电机定子绕组局部放电（Partial Discharge，PD）信号的模式识别问题，提出一种基于GST-SVD和QPSO-SVM的局部放电模式识别方法。该方法首先通过广义S变换(Generalized S-transform，GST)获取局部放电信号的二维时频信息矩阵，并通过奇异值分解（Singular Value Decomposition，SVD）对所获得的二维时频信息矩阵进行数据压缩，提出一种基于GST-SVD的局部放电信号特征提取新方法；然后利用量子粒子群（Quantum Particle Swarm Optimization，QPSO）算法对支持向量机（Support Vector Machine，SVM）算法中的关键参数进行寻优以提高SVM算法的分类精度，提出一种基于QPSO-SVM算法的局部放电信号故障分类方法；最后，通过实例对比分析，验证了本文所提基于GST-SVD和QPSO-SVM方法的优越性。