Indexed by：
Abstract：
故障电弧单变量判据诊断法受不确定因素影响大、特征量提取困难,针对此提出一种基于经验模态分解(EMD)和概率神经网络(PNN)的故障电弧多变量判据的诊断方法.利用经验模态分解分析法对电弧电流进行时频分解,并借助信号相关性理论自动提取故障特征信号;同时,通过分析故障特征信号的无量纲指标,形成多变量特征向量集.在此基础上,构建基于概率神经网络的故障电弧诊断模型.通过分析燃弧前后烧水壶、吸尘器、卤素灯、电钻、荧光灯、计算机的电流波形,验证故障诊断模型的准确性.结果 表明,所提方法解决了单变量判据故障诊断中出现的特征量提取困难、交叉重复等问题,准确率超过90％.
Keyword：
Reprint 's Address：
Email：
Version：
Source ：
电力自动化设备
ISSN： 1006-6047
CN： 32-1318/TM
Year： 2019
Issue： 4
Volume： 39
Page： 106-113
Cited Count：
SCOPUS Cited Count： 25
ESI Highly Cited Papers on the List： 0 Unfold All
WanFang Cited Count： -1
Chinese Cited Count：
30 Days PV： 6
Affiliated Colleges：
