基于BP网络的局部放电模式识别

论文题目: 基于BP网络的局部放电模式识别

论文类型: 博士论文

论文专业: 高电压与绝缘技术

作者: 郑殿春

导师: 杨嘉祥

关键词: 局部放电,模式识别,复合小波去噪,小波神经网络,自适应特征提取

文献来源: 哈尔滨理工大学

发表年度: 2005

论文摘要: 局部放电水平是评估高压电器绝缘状态的重要技术指标之一,它不仅反映绝缘状态,而且可以估算出电器设备绝缘的使用寿命。但是局部放电的随机性影响了局部放电信号的采集,降低了局部放电模式识别的效果。论文构造了基于BP 网络的新型分类器,探讨了该分类器用于局部放电信号的特征提取及模式识别的可行性。同时也进行了信号去噪方法的实验探索。其意义在于避免网络拓扑构成的盲目性,提高局部放电模式识别的效果。本论文对比研究了基于BP 网络的局部放电灰度矩特征提取及其模式识别、基于正交小波神经网络局部放电统计特征量的模式识别和基于自适应特征提取小波神经网络局部放电模式识别方法。文中将局部放电脉冲信号波形看作是一幅具有某种灰度分布的图像,利用灰度矩的概念,借助图像识别技术对局部放电脉冲信号灰度分布图像进行特征提取,给出了特征量提取算法,对针-板和球-板电极产生的局部放电信号进行灰度矩特征量提取后,作为BP 神经网络的输入向量矩阵,经过学习训练,使识别率达到75%。本文利用局部放电信号的统计特征量作为正交小波神经网络的输入向量,经过学习训练,得到该网络的识别率为82%。在分析BP 网络和正交小波神经网络用于局部放电模式识别时存在不足的基础上,本文提出并构建了自适应特征提取小波神经网络。按照前馈型网络的构成方式将最优局部放电信号时频特征提取和模式分类功能集于一体,通过小波神经网络隐层元的激励函数(小波函数)与局部放电信号的变换来完成特征量的提取。实现了模式的可分性,也保证了分类器结构的最佳化,避免了网络拓扑构成的盲目性,提高了模式识别效果。利用自适应特征提取小波神经网络对三种典型电极(针-板、针-针和球-板电极系统)的局部放电信号进行模式识别试验,经过特征量提取和网络学习训练后,网络的识别率达到90%。此外,为了满足局部放电模式识别的需要,论文对局部放电脉冲信号、

论文目录:

摘要

Abstract

第1章 绪论

1.1 目的和意义

1.2 国内外研究现状

1.2.1 绝缘局部放电基本量的提取

1.2.2 局部放电信号特征量提取

1.2.3 局部放电模式分类器

1.2.4 局部放电信号去噪

1.3 存在的问题

1.4 本文研究工作

1.5 课题来源

第2章 局部放电信号小波变换去噪方法

2.1 局部放电信号小波变换特征

2.1.1 局部放电信号表征

2.1.2 局部放电信号的小波变换特征

2.2 噪声信号及其小波变换特征

2.3 含噪声局部放电信号模型

2.4 模极大值去噪方法

2.5 去噪快速算法

2.6 本章小结

第3章 BP 和小波网络及其局部放电模式识别

3.1 BP 网络局部放电灰度矩特征提取及其模式分类

3.1.1 局部放电图像灰度矩特征

3.1.2 灰度矩特征局部放电脉冲信号模式识别

3.2 基于小波神经网络的局部放电模式识别

3.2.1 正交小波神经网络

3.2.2 自适应特征提取小波神经网络

3.3 本章小结

第4章 实验室条件下的局部放电模式识别

4.1 实验模型系统

4.1.1 局部放电源

4.1.2 局部放电信号采集子系统及其控制

4.2 小波变换的局部放电信号去噪

4.3 局部放电模式识别

4.4 三种网络局部放电模式效果的对比分析

4.5 本章小结

结论

参考文献

附录

攻读学位期间发表的学术论文

致谢

发布时间: 2005-11-18

参考文献

• [1].检测距离对局部放电特征参量和识别精度影响的研究[D]. 彭超.武汉大学2014
• [2].变压器局部放电监测中以小波包去噪和统计量识别放电模式的研究[D]. 毕为民.重庆大学2003
• [3].超声波法检测电力变压器局部放电的研究[D]. 李燕青.华北电力大学（河北）2004
• [4].大电机主绝缘局部放电测量及老化特征研究[D]. 杜林.重庆大学2004
• [5].基于小波多尺度变换的局部放电去噪与识别方法研究[D]. 杨霁.重庆大学2004
• [6].发电机定子绝缘局部放电非接触式在线监测方法的研究[D]. 程养春.华北电力大学（北京）2005
• [7].GIS局部放电特高频检测技术的研究[D]. 李信.华北电力大学（北京）2005
• [8].电力变压器局部放电的电气定位及诊断[D]. 刘云鹏.华北电力大学（河北）2005
• [9].组合电器局部放电非线性鉴别特征提取与模式识别方法研究[D]. 张晓星.重庆大学2006
• [10].组合电器局部放电超高频信号数学模型构建和模式识别研究[D]. 周倩.重庆大学2007

相关论文

• [1].基于UHF方法的GIS局部放电检测与仿生模式识别[D]. 段大鹏.上海交通大学2009
• [2].局部放电灰度图象识别特征提取与分形压缩方法的研究[D]. 李剑.重庆大学2001
• [3].变压器局部放电监测中以小波包去噪和统计量识别放电模式的研究[D]. 毕为民.重庆大学2003
• [4].以复小波提取局部放电信号特征的原理及方法研究[D]. 崔雪梅.重庆大学2004
• [5].超声波法检测电力变压器局部放电的研究[D]. 李燕青.华北电力大学（河北）2004
• [6].基于小波多尺度变换的局部放电去噪与识别方法研究[D]. 杨霁.重庆大学2004
• [7].GIS局部放电特高频检测技术的研究[D]. 李信.华北电力大学（北京）2005
• [8].电力变压器局部放电的电气定位及诊断[D]. 刘云鹏.华北电力大学（河北）2005
• [9].组合电器局部放电非线性鉴别特征提取与模式识别方法研究[D]. 张晓星.重庆大学2006
• [10].组合电器局部放电超高频信号数学模型构建和模式识别研究[D]. 周倩.重庆大学2007

标签：局部放电论文;  模式识别论文;  复合小波去噪论文;  小波神经网络论文;  自适应特征提取论文;