期刊导航
期刊开放获取
上海教育软件发展有限公..
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
1
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
基于振动信号与深度学习的电力变压器故障诊断方法
被引量：
5
1
作者
李浩
魏繁荣
+1 位作者
王浩
李旭东
《电工电能新技术》
CSCD
北大核心
2024年第10期1-12,共12页
针对当前电力变压器机械故障实时诊断准确率较低的问题,本文提出了一种基于振动信号与深度学习的电力变压器故障诊断方法。首先针对电力变压器箱体表面振动信号采用改进自适应噪声完备经验模态分解(ICEEMDAN)对其进行分解以获取重构信号...
针对当前电力变压器机械故障实时诊断准确率较低的问题,本文提出了一种基于振动信号与深度学习的电力变压器故障诊断方法。首先针对电力变压器箱体表面振动信号采用改进自适应噪声完备经验模态分解(ICEEMDAN)对其进行分解以获取重构信号,并引入模糊熵值构建振动特征向量。然后以卷积神经网络-双向门控循环单元(CNN-BiGRU)组成基础分类网络以实现特征分类,并引入高效通道注意力机制(ECAM)提升CNN学习性能。最后设计一种基于ICMIC混沌映射、自适应动态扰动和精英反向学习混合改进得到多策略协同优化秃鹰搜索(MSCOBES)算法,并将改进后的算法应用于实现CNN-BiGRU的超参数寻优,从而得到基于MSCOBES-CNN-BiGRU-ECAM的电力变压器故障诊断优化模型。在实验中对于试验变压器的机械故障进行诊断,实验结果表明本文所提出的方法对于电力变压器不同类型的机械故障的诊断准确率可达99.4%。
展开更多
关键词
电力变压器
故障诊断
ICEEMDAN
CNN-BiGRU
MSCOBES
ICMIC混沌映射
自适应动态扰动
精英反向学习
在线阅读
下载PDF
职称材料
题名
基于振动信号与深度学习的电力变压器故障诊断方法
被引量：
5
1
作者
李浩
魏繁荣
王浩
李旭东
机构
国网河南省电力公司洛阳市偃师供电公司
华中科技大学电气与电子工程学院
国网河南省电力公司信息通信分公司
出处
《电工电能新技术》
CSCD
北大核心
2024年第10期1-12,共12页
基金
国家青年科学基金项目(52107095)。
文摘
针对当前电力变压器机械故障实时诊断准确率较低的问题,本文提出了一种基于振动信号与深度学习的电力变压器故障诊断方法。首先针对电力变压器箱体表面振动信号采用改进自适应噪声完备经验模态分解(ICEEMDAN)对其进行分解以获取重构信号,并引入模糊熵值构建振动特征向量。然后以卷积神经网络-双向门控循环单元(CNN-BiGRU)组成基础分类网络以实现特征分类,并引入高效通道注意力机制(ECAM)提升CNN学习性能。最后设计一种基于ICMIC混沌映射、自适应动态扰动和精英反向学习混合改进得到多策略协同优化秃鹰搜索(MSCOBES)算法,并将改进后的算法应用于实现CNN-BiGRU的超参数寻优,从而得到基于MSCOBES-CNN-BiGRU-ECAM的电力变压器故障诊断优化模型。在实验中对于试验变压器的机械故障进行诊断,实验结果表明本文所提出的方法对于电力变压器不同类型的机械故障的诊断准确率可达99.4%。
关键词
电力变压器
故障诊断
ICEEMDAN
CNN-BiGRU
MSCOBES
ICMIC混沌映射
自适应动态扰动
精英反向学习
Keywords
power transformer
fault diagnosis
ICEEMDAN
CNN-BiGRU
MSCOBES
ICMIC chaotic mapping
adaptive dynamic perturbation
elite inverse learning
分类号
TM41 [电气工程—电器]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于振动信号与深度学习的电力变压器故障诊断方法
李浩
魏繁荣
王浩
李旭东
《电工电能新技术》
CSCD
北大核心
2024
5
在线阅读
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
