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
3
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
基于磁通不对称分布的串联电弧故障检测研究
被引量：
15
1
作者
鲍光海
江润
《仪器仪表学报》
EI
CAS
CSCD
北大核心
2019年第3期54-61,共8页
目前串联电弧故障检测以主线路电流为判断对象,该方法容易受非线性负载正常工作电流奇异性的影响而造成误判;而且小功率支路的电弧故障特征容易被干路电流"淹没"而造成漏判。为了解决该问题,根据电弧高频电流电磁耦合机理,提...
目前串联电弧故障检测以主线路电流为判断对象,该方法容易受非线性负载正常工作电流奇异性的影响而造成误判;而且小功率支路的电弧故障特征容易被干路电流"淹没"而造成漏判。为了解决该问题,根据电弧高频电流电磁耦合机理,提出一种基于L-N线不对称分布和高阶累积量识别的检测方法。通过分析电弧熄灭重燃时高频剩余磁通的耦合信号,利用高阶统计量工具计算出耦合信号的峭度值。对单一负载电弧故障、综合负载干路电弧故障和综合负载支路电弧故障等不同情况进行判断,得出统一峭度阈值。结果表明,该方法可有效检测和识别串联电弧故障。
展开更多
关键词
串联电弧故障
高阶累积量
峭度
不对称分布
在线阅读
下载PDF
职称材料
基于改进型卷积网络的汽车高度调节器缺陷检测方法
被引量：
13
2
作者
鲍光海
林善银
徐林森
《仪器仪表学报》
EI
CAS
CSCD
北大核心
2020年第2期157-165,共9页
针对汽车高度调节器生产中人工缺陷检测耗时耗力和传统诊断方法适用性差的问题,运用深度学习提出了一种基于改进型卷积网络的智能检测方法。该方法利用卷积网络提取特征,并且在网络中加入残差网络结构和可分离卷积,在深层网络提高精度...
针对汽车高度调节器生产中人工缺陷检测耗时耗力和传统诊断方法适用性差的问题,运用深度学习提出了一种基于改进型卷积网络的智能检测方法。该方法利用卷积网络提取特征,并且在网络中加入残差网络结构和可分离卷积,在深层网络提高精度的同时减少了参数计算量。改进的结构主要运用卷积层、池化层、批标准化层、softmax层,并引入残差网络结构和可分离卷积。实验结果表明,基于改进型卷积网络的汽车高度调节器缺陷检测方法有着良好的识别精度,在汽车高度调节器多类缺陷的检测实验中,准确率均在99%以上,优于经典卷积网络VGG16。
展开更多
关键词
深度学习
改进型卷积网络
残差网络
汽车高度调节器
缺陷检测
在线阅读
下载PDF
职称材料
利用多因素降维的配电网区段定位完全解析模型
被引量：
20
3
作者
王秋杰
金涛
+2 位作者
申涛
朱绍杰
刘随阳
《电工技术学报》
EI
CSCD
北大核心
2019年第14期3012-3024,共13页
现有配电网区段定位模型由于没有将故障信息的漏报和误报计入故障变量,导致区段定位的容错能力在多节点信息畸变时存在不足。对此,构建一种配电网区段定位的完全解析模型来提高区段定位的容错能力。为了降低完全解析模型的变量维度,首...
现有配电网区段定位模型由于没有将故障信息的漏报和误报计入故障变量,导致区段定位的容错能力在多节点信息畸变时存在不足。对此,构建一种配电网区段定位的完全解析模型来提高区段定位的容错能力。为了降低完全解析模型的变量维度,首先利用故障矛盾假说,将变量维度减小到3倍的节点数量;其次,利用模型分层,将单次区段定位的变量维度进一步减小;最后,将基于模型诊断的结果作为第一层定位的已知量,变量维度再次减小。算例表明:与未考虑漏报和误报的模型相比,该完全解析模型容错能力得到极大的提高,并且能同步获得漏报、误报警告信息;与没有利用多因素降维的完全解析模型相比,所提模型的定位速度和准确率相对较高,更加符合定位实时性要求。
展开更多
关键词
配电网
区段定位
完全解析模型
多因素降维
在线阅读
下载PDF
职称材料
题名
基于磁通不对称分布的串联电弧故障检测研究
被引量：
15
1
作者
鲍光海
江润
机构
福州大学电气工程与自动化学院
新能源发电与电能变换福建省高校重点实验室
出处
《仪器仪表学报》
EI
CAS
CSCD
北大核心
2019年第3期54-61,共8页
文摘
目前串联电弧故障检测以主线路电流为判断对象,该方法容易受非线性负载正常工作电流奇异性的影响而造成误判;而且小功率支路的电弧故障特征容易被干路电流"淹没"而造成漏判。为了解决该问题,根据电弧高频电流电磁耦合机理,提出一种基于L-N线不对称分布和高阶累积量识别的检测方法。通过分析电弧熄灭重燃时高频剩余磁通的耦合信号,利用高阶统计量工具计算出耦合信号的峭度值。对单一负载电弧故障、综合负载干路电弧故障和综合负载支路电弧故障等不同情况进行判断,得出统一峭度阈值。结果表明,该方法可有效检测和识别串联电弧故障。
关键词
串联电弧故障
高阶累积量
峭度
不对称分布
Keywords
series arc fault
high-order cumulant
kurtosis
asymmetrical distribution
分类号
TM501.2 [电气工程—电器]
在线阅读
下载PDF
职称材料
题名
基于改进型卷积网络的汽车高度调节器缺陷检测方法
被引量：
13
2
作者
鲍光海
林善银
徐林森
机构
福州大学电气工程与自动化学院
福州大学
新能源发电与电能变换福建省高校重点实验室
慈溪亚路车辆配件有限公司
出处
《仪器仪表学报》
EI
CAS
CSCD
北大核心
2020年第2期157-165,共9页
基金
福建省科技计划项目(2018H0014)资助.
文摘
针对汽车高度调节器生产中人工缺陷检测耗时耗力和传统诊断方法适用性差的问题,运用深度学习提出了一种基于改进型卷积网络的智能检测方法。该方法利用卷积网络提取特征,并且在网络中加入残差网络结构和可分离卷积,在深层网络提高精度的同时减少了参数计算量。改进的结构主要运用卷积层、池化层、批标准化层、softmax层,并引入残差网络结构和可分离卷积。实验结果表明,基于改进型卷积网络的汽车高度调节器缺陷检测方法有着良好的识别精度,在汽车高度调节器多类缺陷的检测实验中,准确率均在99%以上,优于经典卷积网络VGG16。
关键词
深度学习
改进型卷积网络
残差网络
汽车高度调节器
缺陷检测
Keywords
deep learning
improved convolution network
residual network
vehicle height regulator
defect detection
分类号
U472 [机械工程—车辆工程]
TP391.41 [自动化与计算机技术—计算机应用技术]
在线阅读
下载PDF
职称材料
题名
利用多因素降维的配电网区段定位完全解析模型
被引量：
20
3
作者
王秋杰
金涛
申涛
朱绍杰
刘随阳
机构
福州大学
新能源发电与电能变换福建省高校重点实验室
国网湖北电力有限公司随州供电公司
国网湖北电力有限公司荆门供电公司
出处
《电工技术学报》
EI
CSCD
北大核心
2019年第14期3012-3024,共13页
基金
欧盟FP7国际科技合作基金(909880)
国家自然科学基金(61304260)资助项目
文摘
现有配电网区段定位模型由于没有将故障信息的漏报和误报计入故障变量,导致区段定位的容错能力在多节点信息畸变时存在不足。对此,构建一种配电网区段定位的完全解析模型来提高区段定位的容错能力。为了降低完全解析模型的变量维度,首先利用故障矛盾假说,将变量维度减小到3倍的节点数量;其次,利用模型分层,将单次区段定位的变量维度进一步减小;最后,将基于模型诊断的结果作为第一层定位的已知量,变量维度再次减小。算例表明:与未考虑漏报和误报的模型相比,该完全解析模型容错能力得到极大的提高,并且能同步获得漏报、误报警告信息;与没有利用多因素降维的完全解析模型相比,所提模型的定位速度和准确率相对较高,更加符合定位实时性要求。
关键词
配电网
区段定位
完全解析模型
多因素降维
Keywords
Distribution network
section location
complete analytic model
multi-factor dimensionality deduction
分类号
TM72 [电气工程—电力系统及自动化]
TM77 [电气工程—电力系统及自动化]
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
基于磁通不对称分布的串联电弧故障检测研究
鲍光海
江润
《仪器仪表学报》
EI
CAS
CSCD
北大核心
2019
15
在线阅读
下载PDF
职称材料
2
基于改进型卷积网络的汽车高度调节器缺陷检测方法
鲍光海
林善银
徐林森
《仪器仪表学报》
EI
CAS
CSCD
北大核心
2020
13
在线阅读
下载PDF
职称材料
3
利用多因素降维的配电网区段定位完全解析模型
王秋杰
金涛
申涛
朱绍杰
刘随阳
《电工技术学报》
EI
CSCD
北大核心
2019
20
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
