基于svm增量学习算法的煤矿高压断路器故障模式识别方法-煤炭学报.pdfVIP

下载本文档

13
0
约3.81万字
约 7页
2017-11-24 发布于天津
举报
版权申诉

基于svm增量学习算法的煤矿高压断路器故障模式识别方法-煤炭学报.pdf

1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击这里二次下载。
3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
7、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

基于svm增量学习算法的煤矿高压断路器故障模式识别方法-煤炭学报

　第42卷第8期煤　　炭　　学　　报 Vol.42　 No.8　　 2017年 8月 JOURNAL OF CHINA COAL SOCIETY Aug.　 2017　 - 耿蒲龙,宋建成,赵钰,等.基于SVM增量学习算法的煤矿高压断路器故障模式识别方法[J].煤炭学报,2017,42(8):2198 2204. doi:10.13225/ j.cnki.jccs.2016.1749 GENG Pulong,SONGJiancheng,ZHAOYu,etal.Amethodoffaultpatternrecognitionforthehighvoltagecircuitbreakerbasedonthein- - cremental learning algorithm for SVM[J].Journal of China Coal Society,2017,42(8):2198 2204.doi:10.13225/ j.cnki.jccs.2016. 1749 基于SVM增量学习算法的煤矿高压断路器故障模式识别方法 1,2 1,2 1,2 1,2 1,2 3 耿蒲龙 ,宋建成 ,赵　钰 ,高云广 ,郑丽君 ,呼守信 (1.矿用智能电器技术国家地方联合工程实验室(太原理工大学),山西太原　 030024;2.煤矿电气设备与智能控制山西省重点实验室(太原理工大学),山西太原　 030024;3.中国煤炭科工集团太原研究院有限公司,山西太原　 030006) 摘　要:高压断路器故障模式的准确识别是矿井电网智能化发展过程中的重要支撑环节。针对高压断路器故障数据不易获取且故障样本较少的问题,提出了一种支持向量机与增量学习算法相结合的故障识别方法,确定了以断路器控制回路电流信号、电压信号以及分合闸振动信号为状态监测量,模拟了弹簧松动、铁芯卡涩、供电异常与线圈老化4种常见故障,提取了故障特征量并建立了故障数据样本与增量学习数据样本,采用支持向量机增量学习算法训练得到了故障识别模型,并利用新增数据样本对其进行了验证。结果表明:支持向量机增量学习算法可准确识别上述4 种常见故障,并可以通过对新增样本的不断学习进一步提高识别精度。关键词:高压断路器;特征提取;故障模式识别;支持向量机;增量学习算法 - - - 中图分类号:TM56　　　文献标志码:A　　　文章编号:0253 9993(2017)08 2198 07 A method of fault pattern recognition for the high voltage circuit breaker based on the incremental learning algorithm for SVM 1,2 1,2 1,2 1,2 1,2 3 GENG Pulong ,SONGJiancheng ,ZHAO Yu ,GAO Yunguang ,ZHENG Lijun ,HU Shouxin (1.N