基于相关系数和偏态指标的航空串联电弧故障检测

作者： 崔芮华   王洋   李英男   来源： 电工电能新技术 年份： 2019 文献类型 ： 期刊 关键词： 极限学习机   偏态指标   航空故障   相关系数   串联电弧故障  

描述： 针对航空串联电弧故障的检测与识别问题,提出一种基于相关系数和偏态指标的航空电弧故障检测方法。通过提取不同负载电流信号的相关系数和偏态指标,构建二维特征量,分析对比了隐含层节点数对极限学习机性能的影响

基于相关系数和偏态指标的航空串联电弧故障检测

作者： 崔芮华   王洋   李英男   来源： 电工电能新技术 年份： 2019 文献类型 ： 期刊 关键词： 极限学习机   偏态指标   航空故障   相关系数   串联电弧故障  

描述： 针对航空串联电弧故障的检测与识别问题,提出一种基于相关系数和偏态指标的航空电弧故障检测方法。通过提取不同负载电流信号的相关系数和偏态指标,构建二维特征量,分析对比了隐含层节点数对极限学习机性能的影响

基于集合经验模态分解的交流航空故障电弧识别

作者： 高飞   董伟   桂美景   张俊民   来源： 电工电能新技术 年份： 2019 文献类型 ： 期刊 关键词： 电弧动态特性   BP神经网络   能量熵   集合经验模态分解   交流航空故障电弧  

描述： 故障电弧作为一种破坏性强,识别难度大的电路故障,给飞机的安全带来很大的威胁。然而目前航空业应用的电弧识别方法远不能达到要求。所以本文提出了一种将集合经验模态分解和LM优化的BP神经网络相结合的交流航空故障电弧识别方法。首先建立串联和并联交流电弧实验模拟平台,采集电弧电流波形,分析波形动态特性。将波形进行集合经验模态分解,选取差别明显模态分量作为故障特征分量。计算故障特征分量的能量熵作为交流故障电弧的特征量,输入到LM算法优化的BP神经网络,进行识别。结果表明,识别率达到90%以上,较好地识别出了航空故障电弧。

基于集合经验模态分解的交流航空故障电弧识别

作者： 高飞   董伟   桂美景   张俊民   来源： 电工电能新技术 年份： 2020 文献类型 ： 期刊 关键词： 电弧动态特性   BP神经网络   能量熵   集合经验模态分解   交流航空故障电弧  

描述： 基于集合经验模态分解的交流航空故障电弧识别

基于TMS320F2812的航空相机自动调焦系统

作者： 董伟   张俊民   桂美景   李晨光   来源： 电工电能新技术 年份： 2018 文献类型 ： 期刊 关键词： BP神经网络   直流航空故障电弧   香农熵   小波包分解   故障频率段  

描述： 针对航空故障电弧持续时间短,电流强度小,检测极为困难等特点,提出在直流系统中基于小波包和BP神经网络的航空故障电弧的识别方法。首先搭建串联和并联故障电弧实验平台,采集线路正常和产生电弧情况下的电流信号;对电流信号进行三层小波包分解,根据求解到的总能量与总香农熵的比值,确定最佳的小波包基函数;利用每一频率段的能量与香农熵的比值确定航空故障电弧的特征频率段;然后提取特征频率段的香农熵作为故障电弧的特征量;最后利用LM算法优化的BP神经网络对故障电弧进行判别。结果表明,故障电弧的识别率达到95%以上。

基于集合经验模态分解的交流航空故障电弧识别

作者： 高飞   董伟   桂美景   张俊民   来源： 电工电能新技术 年份： 2019 文献类型 ： 期刊 关键词： 电弧动态特性   BP神经网络   能量熵   集合经验模态分解   交流航空故障电弧  

描述： 故障电弧作为一种破坏性强,识别难度大的电路故障,给飞机的安全带来很大的威胁。然而目前航空业应用的电弧识别方法远不能达到要求。所以本文提出了一种将集合经验模态分解和LM优化的BP神经网络相结合的交流航空故障电弧识别方法。首先建立串联和并联交流电弧实验模拟平台,采集电弧电流波形,分析波形动态特性。将波形进行集合经验模态分解,选取差别明显模态分量作为故障特征分量。计算故障特征分量的能量熵作为交流故障电弧的特征量,输入到LM算法优化的BP神经网络,进行识别。结果表明,识别率达到90%以上,较好地识别出了航空故障电弧。

基于集合经验模态分解的交流航空故障电弧识别

作者： 高飞   董伟   桂美景   张俊民   来源： 电工电能新技术 年份： 2020 文献类型 ： 期刊 关键词： 电弧动态特性   BP神经网络   能量熵   集合经验模态分解   交流航空故障电弧  

描述： 基于集合经验模态分解的交流航空故障电弧识别

基于TMS320F2812的航空相机自动调焦系统

作者： 董伟   张俊民   桂美景   李晨光   来源： 电工电能新技术 年份： 2018 文献类型 ： 期刊 关键词： BP神经网络   直流航空故障电弧   香农熵   小波包分解   故障频率段  

描述： 针对航空故障电弧持续时间短,电流强度小,检测极为困难等特点,提出在直流系统中基于小波包和BP神经网络的航空故障电弧的识别方法。首先搭建串联和并联故障电弧实验平台,采集线路正常和产生电弧情况下的电流信号;对电流信号进行三层小波包分解,根据求解到的总能量与总香农熵的比值,确定最佳的小波包基函数;利用每一频率段的能量与香农熵的比值确定航空故障电弧的特征频率段;然后提取特征频率段的香农熵作为故障电弧的特征量;最后利用LM算法优化的BP神经网络对故障电弧进行判别。结果表明,故障电弧的识别率达到95%以上。