:在对试验获得的4种放电信号波形进行去噪基础上,进行小波包分解并在各频带上计算小波包系数能量百分比,将其作为特征向量输入支持向量机进行放电识别。作为比较,同时将特征向量输入到BP神经网络进行识别。识别结果表明,小波包系数能量百分比构成的特征向量能够很好地反映原始信号的特征,且基于支持向量机较基于BP神经网络具有更好的识别效果?信号可能来自于电缆线路,也可能来自于与电缆线路连接的开关柜。本文使用的放电波形数据来源于英国HVPD公司,具体包括电缆本体局部放电、电缆终端头局部放电、开关柜电晕放电和开关柜表面放电。4种放电信号的原始波形图如图1所示。图1中每个波形的长度为1500个采样点,小波包系数能量-数控滚圆机滚弧机张家港钢管滚圆机滚弧机液压滚弧机采样频率为100MHz。1.2放电的去噪在局部放电在线检测中,各设备处于运行状态,现场存在的干扰会对局部放电信号造成重要影响 本文由公司网站滚圆机网站采集转载中国知网资源整理!www.gunyuanj
- [2019-08-06]传感器优化设计-液压电动滚圆机
- [2019-08-06]界面自组装-数控滚圆机滚弧机电
- [2019-08-06]澄清效果的影响-数控滚圆机滚弧
- [2019-08-05]刚度的解析公式-数控滚圆机滚弧
- [2019-08-05]制备及缓释性能-数控滚圆机滚弧
- [2019-08-05]组振动建模研究-数控滚圆机滚弧
- [2019-08-04]模型的风电功率预测-数控滚圆机
- [2019-08-04]最大准入容量计算-数控滚圆机滚
- [2019-08-03]传输电缆建模研究-数控滚圆机滚
- [2019-08-03]风电网损及运行-数控滚圆机滚弧