基于相关性和类间差异度的放电声信号特征量选择与降维

马建桥; 杨广泽; 曹盘盘; 包艳艳; 冯婷娜

English Version Journal Login

您当前的位置：

首页 >

文章列表页 >

基于相关性和类间差异度的放电声信号特征量选择与降维

更新时间：2026-09-17

- 基于相关性和类间差异度的放电声信号特征量选择与降维
- Vol. 49, Issue 3, Pages: 1194-1204(2023)
- 作者机构：
  
  1. 兰州交通大学自动化与电气工程学院
  2. 国网甘肃省电力公司电力科学研究院
  3. 兰州理工大学电气工程与信息工程学院
  4. 国网新疆电力有限公司哈密供电公司
- 作者简介：
- 基金信息：
- DOI：
  CLC：
- Published：2023
- 稿件说明：
移动端阅览
马建桥, 杨广泽, 曹盘盘, et al. 基于相关性和类间差异度的放电声信号特征量选择与降维[J]. 2023, 49(3): 1194-1204.
DOI：

马建桥, 杨广泽, 曹盘盘, et al. 基于相关性和类间差异度的放电声信号特征量选择与降维[J]. 2023, 49(3): 1194-1204. DOI：

摘要

为准确高效地诊断电气设备放电故障类型，实现多维特征的有效降维，提出了基于相关性和类间差异度的特征量选择与降维方法。首先，搭建模拟放电可听声信号采集平台，利用交叉小波变换分析信号的相关主成分，获得信号特征频带及其对应的离散小波重构时域分量，提取不同类型放电声信号的多维时域特征；然后，利用Pearson相关系数矩阵分析特征量之间的相关性，结合各特征类间差异度和类内离散度，优选出特征量进行识别效果检验；接着，以参数优化的支持向量机识别准确率为维度选择判据，依据准确率变化规律确定最终维度和特征；最后将该文方法与传统降维算法进行对比，并探究不同干扰模式对该文方法的影响。结果表明：所提方法相对传统降维算法保留了原始特征属性，最终所选特征的识别准确率超过96%，为特征降维提供了有效判据。

Abstract

关键词

Keywords

references

Views

下载量

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

The Abnormal Defect of 110 kV ZnO Metal Oxide Surge Arresters

The Noise Suppression in PD Measurement of Stator Winding of Large Generator

变压器局部放电在线监测技术研究

Recognition of Partial Discharge based on Artificial Neural Network

A New Extraction Method of Partial Discharge Pulse in HV Transformer

Related Author

钟定珠

林全铭

陈乔夫

刘少克

马治亮

陈春生

梅刚

黄盛洁

Related Institution

广东省电力试验研究所

华中理工大学 430074

华中理工大学

武汉高压研究所华中理工大学湖南电力试验研究所

湖南电力试验研究所

AI问答

⁰