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：
基于参数优化的VMD-SVD和LSTM的输电杆塔倾斜状态识别 被引量：5
1
作者 赵隆 温冠儒 +2 位作者 刘志成 袁鹏 董新胜 《中国电力》 CSCD 北大核心 2023年第12期217-226,237,共11页
针对输电杆塔结构状态信息提取难度大、精度低等问题,提出了一种基于北方苍鹰算法优化的变分模态分解(northern goshawk optimized variational mode decomposition,NGO-VMD)与长短期记忆(long shortterm memory,LSTM)神经网络的输电杆... 针对输电杆塔结构状态信息提取难度大、精度低等问题,提出了一种基于北方苍鹰算法优化的变分模态分解(northern goshawk optimized variational mode decomposition,NGO-VMD)与长短期记忆(long shortterm memory,LSTM)神经网络的输电杆塔倾斜状态识别方案。通过北方苍鹰优化算法解决了变分模态分解参数难确定的问题,并且证明其分解的各阶本征模态分量(intrinsic mode function,IMF)可以有效提取出杆塔结构的模态信息。为了使信息特征更为明显,对IMF分量进行奇异值分解(singular value decomposition,SVD),发现各阶分量的奇异值在杆塔不同状态下有较为明显的区别。最后引入LSTM神经网络进行特征分类,形成故障诊断模型。依托某110kV猫头塔对模型进行试验验证,结果表明:所提方法对杆塔倾斜状态的识别准确率为96.68%,与其他方法相比,具有效率更高、稳定性更强、更加精准的优势。 展开更多
关键词 杆塔倾斜 状态识别 北方苍鹰算法优化 自适应变分模态分解 奇异值分解 长短期记忆神经网络
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