基于变量预测-谷本相似度方法的局部放电中未知类型信号识别

发布时间：2023-04-07 02:51

　　针对局部放电中可能出现新的不属于已知放电类型的未知样本,提出一种基于变量预测-谷本相似度(VPM-Tanimotosimilarity)的未知类型信号识别方法。构建梯度谱图实现未知信号的表达,并使用两个指标来对样本分区域过滤以分离出未知类。首先,构建?-Δ?、?-Δu、?-Δqmax、?-Δn梯度模式和?-n谱图模式并提取特征。其次,对各已知类放电建立相应的VPM模型组并预测样本的特征向量。再次,计算样本和各已知类放电的Tanimoto相似度,获得与样本最匹配的已知类别。然后,计算识别结果的可靠率(IDAR)并划分可靠率空间,不同的区域有不同的判定方法。最后,利用Tanimoto相似度和各区域的IDAR对所有信号进行双重过滤以判定并分离出未知样本。实验结果表明,该方法取得了一定的识别效果。

【文章页数】：11 页

【文章目录】：
0 引言
1“相位-梯度”谱图
2 VPM-Tanimoto基本原理
    2.1 相似度的计算
        2.1.1 VPMCD基本原理
        2.1.2 Tanimoto相似度
        2.1.3 VPM-Tanimoto识别已知放电类型
        2.1.4 相似度识别分析
    2.2 可靠率
    2.3 基于VPM-Tanimoto模型识别未知类样本
3 实施流程
4 含有未知类的PD样本识别及结果分析
    4.1 实验数据
    4.2 谱图实例分析
    4.3 未知样本识别实例分析
5 结论
附录



本文编号：3784940