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
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：
基于FRCMDE与IBOA-LSSVM的变压器故障声纹诊断方法
1
作者 高家通 康兵 +3 位作者 许志浩 王宗耀 丁贵立 袁小翠 《噪声与振动控制》 北大核心 2025年第5期123-130,共8页
为提高多尺度散布熵对信号演化敏感度,提升变压器故障声纹诊断准确率,将分数阶精细复合多尺度散布熵(Fractional Refined Composite Multiscale Dispersion Entropy,FRCMDE)运用于变压器声纹特征提取。首先,确定FRCMDE参数,提取不同状... 为提高多尺度散布熵对信号演化敏感度,提升变压器故障声纹诊断准确率,将分数阶精细复合多尺度散布熵(Fractional Refined Composite Multiscale Dispersion Entropy,FRCMDE)运用于变压器声纹特征提取。首先,确定FRCMDE参数,提取不同状态下变压器声音信号的FRCMDE熵特征;其次,采用改进蝴蝶算法(Improved Butterfly Optimization Algorithm,IBOA)对最小二乘支持向量机(Least Squares Support Vector Machine,LSSVM)进行参数优化并构建IBOA-LSSVM模型,利用IBOA-LSSVM模型对特征数据进行分类,实现变压器故障声纹诊断;最后,为验证该方法的有效性,将其与其他经典方法比较,研究结果表明:所建FRCMDE-IBOA-LSSVM模型可有效区分8种状态下的变压器声音信号,诊断准确率达到99.69%,均高于其他方法。该方法可为变压器不停电监测与故障声纹诊断提供参考。 展开更多
关键词 故障诊断 变压器 声纹诊断 分数阶精细复合多尺度散布熵 改进蝴蝶优化算法
在线阅读 下载PDF
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
关于我们 | 版权声明 | 联系我们 | 帮助中心| 意见反馈
主办单位：上海市教育委员会
技术支持：重庆维普资讯有限公司
渝公网安备 50019002500403号
使用帮助 返回顶部