期刊导航
期刊开放获取
cqvip
退出
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
2
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MDS和改进SSA-SVM的高速铁路道岔故障诊断方法研究
被引量：
1
1
作者
王彦快
米根锁
+2 位作者
孔得盛
杨建刚
张玉
《铁道学报》
EI
CAS
CSCD
北大核心
2024年第1期81-90,共10页
针对高速铁路道岔设备故障频繁,现场维修工作量大等问题,提出基于多维尺度缩放法(MDS)和改进麻雀搜索算法(SSA)优化支持向量机(SVM)的高速铁路道岔故障诊断模型。首先以ZDJ9道岔转换功率曲线为研究对象,总结现场典型道岔故障类型及故障...
针对高速铁路道岔设备故障频繁,现场维修工作量大等问题,提出基于多维尺度缩放法(MDS)和改进麻雀搜索算法(SSA)优化支持向量机(SVM)的高速铁路道岔故障诊断模型。首先以ZDJ9道岔转换功率曲线为研究对象,总结现场典型道岔故障类型及故障原因,分别提取道岔功率曲线的时域、频域特征指标以及小波包能量熵,组成特征指标向量;其次采用MDS方法进行多维特征指标的降维优化,建立道岔故障特征指标样本数据库;最后利用改进Circle混沌映射初始化种群,并通过自适应t分布增强麻雀种群的多样性,再以改进SSA算法优化SVM模型中的惩罚因子和核函数方差2个关键参数,构建改进SSA-SVM的道岔故障诊断模型。故障诊断结果表明,本模型的故障诊断正确率高达96.25%,诊断效果优于其他方法,可以为道岔设备的故障维修提供理论依据。
展开更多
关键词
高速铁路道岔
故障诊断
改进
麻雀
搜索算法
-
支持向量机
Circle混沌映射
自适应t分布
小波包能量熵
多维尺度缩放法
下载PDF
职称材料
基于EEMD能量矩与ISSA-SVM算法的GIS局部放电类型识别方法
被引量：
14
2
作者
王利福
刘屹江泽
王燚增
《电子测量与仪器学报》
CSCD
北大核心
2022年第5期204-212,共9页
为有效识别气体绝缘开关组合电器(gas insulated switchgear,GIS)局部放电(partial discharge,PD)类型,进而保障设备安全稳定运行,提出了一种基于集合模态分解(ensemble empirical mode decomposition,EEMD)联合能量矩与改进麻雀群搜索...
为有效识别气体绝缘开关组合电器(gas insulated switchgear,GIS)局部放电(partial discharge,PD)类型,进而保障设备安全稳定运行,提出了一种基于集合模态分解(ensemble empirical mode decomposition,EEMD)联合能量矩与改进麻雀群搜索算法优化支持向量机(improved sparrow search algorithm-support vector machines,ISSA-SVM)算法的GIS局部放电类型识别方法。首先搭建能产生4种局部放电类型效果的GIS局部放电实验平台,以获取4种局部放电信号,然后利用EEMD联合能量矩算法分别对4种局部放电信号进行模态分解与特征向量提取,最后利用经ISSA算法优化后的SVM算法对GIS局部放电类型进行识别。实验结果表明,所提方法可有效识别GIS不同局部放电类型,且较PSO-SVM与SSA-SVM算法识别精度分别提高了16.7%与8.5%,验证了所提GIS局部放电类型识别方法的有效性以及优越性。
展开更多
关键词
气体绝缘开关组合电器
局部放电
集合模态分解
改进
麻雀
群
搜索算法
优化
支持向量机
(ISSA-SVM)
下载PDF
职称材料
题名
基于MDS和改进SSA-SVM的高速铁路道岔故障诊断方法研究
被引量：
1
1
作者
王彦快
米根锁
孔得盛
杨建刚
张玉
机构
兰州交通大学铁道技术学院
兰州交通大学自动化与电气工程学院
中国铁路兰州局集团有限公司兰州电务部
北京全路通信信号研究设计院集团有限公司
国网甘肃省电力公司电力科学研究院
出处
《铁道学报》
EI
CAS
CSCD
北大核心
2024年第1期81-90,共10页
基金
甘肃省科技计划(21JR7RA305)
兰州交通大学青年科学基金(2021027)。
文摘
针对高速铁路道岔设备故障频繁,现场维修工作量大等问题,提出基于多维尺度缩放法(MDS)和改进麻雀搜索算法(SSA)优化支持向量机(SVM)的高速铁路道岔故障诊断模型。首先以ZDJ9道岔转换功率曲线为研究对象,总结现场典型道岔故障类型及故障原因,分别提取道岔功率曲线的时域、频域特征指标以及小波包能量熵,组成特征指标向量;其次采用MDS方法进行多维特征指标的降维优化,建立道岔故障特征指标样本数据库;最后利用改进Circle混沌映射初始化种群,并通过自适应t分布增强麻雀种群的多样性,再以改进SSA算法优化SVM模型中的惩罚因子和核函数方差2个关键参数,构建改进SSA-SVM的道岔故障诊断模型。故障诊断结果表明,本模型的故障诊断正确率高达96.25%,诊断效果优于其他方法,可以为道岔设备的故障维修提供理论依据。
关键词
高速铁路道岔
故障诊断
改进
麻雀
搜索算法
-
支持向量机
Circle混沌映射
自适应t分布
小波包能量熵
多维尺度缩放法
Keywords
high-speed railway turnout
fault diagnosis
improved SSA-SVM
Circle chaos mapping
self-adaptive t-distribution
wavelet energy entropy
multiple dimensional scaling
分类号
U284.92 [交通运输工程—交通信息工程及控制]
下载PDF
职称材料
题名
基于EEMD能量矩与ISSA-SVM算法的GIS局部放电类型识别方法
被引量：
14
2
作者
王利福
刘屹江泽
王燚增
机构
辽宁工程技术大学电气与控制工程学院
国网冀北电力有限公司北京超高压公司
出处
《电子测量与仪器学报》
CSCD
北大核心
2022年第5期204-212,共9页
基金
2019年省自然科学基金指导项目(2019-ZD-0039)
2019年辽宁省重点研发计划指导计划项目(2019JH8/10100050)资助。
文摘
为有效识别气体绝缘开关组合电器(gas insulated switchgear,GIS)局部放电(partial discharge,PD)类型,进而保障设备安全稳定运行,提出了一种基于集合模态分解(ensemble empirical mode decomposition,EEMD)联合能量矩与改进麻雀群搜索算法优化支持向量机(improved sparrow search algorithm-support vector machines,ISSA-SVM)算法的GIS局部放电类型识别方法。首先搭建能产生4种局部放电类型效果的GIS局部放电实验平台,以获取4种局部放电信号,然后利用EEMD联合能量矩算法分别对4种局部放电信号进行模态分解与特征向量提取,最后利用经ISSA算法优化后的SVM算法对GIS局部放电类型进行识别。实验结果表明,所提方法可有效识别GIS不同局部放电类型,且较PSO-SVM与SSA-SVM算法识别精度分别提高了16.7%与8.5%,验证了所提GIS局部放电类型识别方法的有效性以及优越性。
关键词
气体绝缘开关组合电器
局部放电
集合模态分解
改进
麻雀
群
搜索算法
优化
支持向量机
(ISSA-SVM)
Keywords
gas insulated switchgear(GIS)
partial discharge
ensemble empirical mode decomposition(EEMD)
improved sparrow search algorithm-support vector machines(ISSA-SVM)
分类号
TM595 [电气工程—电器]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于MDS和改进SSA-SVM的高速铁路道岔故障诊断方法研究
王彦快
米根锁
孔得盛
杨建刚
张玉
《铁道学报》
EI
CAS
CSCD
北大核心
2024
1
下载PDF
职称材料
2
基于EEMD能量矩与ISSA-SVM算法的GIS局部放电类型识别方法
王利福
刘屹江泽
王燚增
《电子测量与仪器学报》
CSCD
北大核心
2022
14
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
