电气自动化

2019, v.41;No.245(05) 60-63

[打印本页] [关闭]
本期目录(Current Issue) | 过刊浏览(Past Issue) | 高级检索(Advanced Search)

基于K-means分类和BP神经网络的故障电弧辨识方法
Fault Arc Identification Method Based on K-means Classification and BP Neural Network

沈航;张峰;张士文;陆凯峰;

摘要(Abstract):

针对随着负载种类增多,BP神经网络的电弧故障辨识成功率不断下降的问题,提出一种基于K-means分类算法和BP神经网络组合的故障电弧辨识方法。通过快速傅里叶变换得到负载电流波形的特征值,再由K-means算法进行负载分类,对分类后的负载波形分别做小波变换得到细节特征值,将小波细节特征值和时域特征值输入至与负载类型对应的BP神经网络进行故障识别。试验结果表明,基于K-means负载分类和BP神经网络的辨识方法故障电弧辨识成功率达到96.41%,有效解决了负载类型增多时BP神经网络难以收敛且成功率降低的问题。

关键词(KeyWords): 串联故障电弧;快速傅里叶变换;K-均值聚类;小波变换;BP神经网络

Abstract:

Keywords:

基金项目(Foundation):

作者(Author): 沈航;张峰;张士文;陆凯峰;

Email:

扩展功能
本文信息
服务与反馈
本文关键词相关文章
本文作者相关文章
中国知网
分享