基于分形维数及改进极限学习机的电力电缆缺陷识别研究

周泽民; 彭彦军; 蒋伟

首页> 中文期刊> 《数字技术与应用》 >基于分形维数及改进极限学习机的电力电缆缺陷识别研究

基于分形维数及改进极限学习机的电力电缆缺陷识别研究

开具论文收录证明 >>

期刊封面封底目录下载 >>

文献代查 >>

页面导航

摘要
著录项
相似文献
相关主题

摘要

针对电力电缆局部放电检测,本文提出了基于分形维数及改进极限学习机的缺陷识别方法,首先介绍了基于盒维数计算方式的短时分形维数集多重分形维数计算方式,使用短时分形维数、多重分形维数进行特征提取做为样本特征集,为了解决传统分类算法中参数多及难以确定的问题、学习速度慢等缺点,引入改进的极限学习机(Accurate Online Sequential ELM)对电力电缆缺陷进行识别。本文基于高频电流法在电缆本体上进行局放实验,并获得大量实验数据。将本文提取的方法与传统极限学习机、支持向量机(SVM)和BPNN的识别效果和性能进行比对。结果表明本文提出的方法正确率平均可提高10%。调整训练样本集的大小,本文方法识别结果波动明显小于BPNN和SVM,说明本文方法有更好的泛化能力,且准确在线连续极限学习机的训练时间远远小于SVM及BPNN,仅为0.0156s。因此,该方法更适合大数据样本的工程应用。

著录项

来源
《数字技术与应用》 |2020年第4期|31-35|共5页
作者
周泽民; 彭彦军; 蒋伟;
展开▼
作者单位

广西电网有限责任公司桂林供电局;

广西桂林541002;

展开▼
原文格式 PDF
正文语种 chi
中图分类电力系统规划;
关键词
短时分形维数; 多重分形维数; 局部放电; 极限学习机;

相似文献

中文文献
外文文献
专利

1. 基于改进KSVD和极限学习机的车型识别方法研究 [J] . 张利平 ,邵宗凯 ,吴建德 . 计算机与数字工程 . 2016,第006期
2. 基于改进SMOTE的半监督极限学习机缺陷预测 [J] . 陆子豪 ,荆晓远 . 计算机技术与发展 . 2021,第012期
3. 基于改进极限学习机算法的行为识别 [J] . 周书仁 ,曹思思 ,蔡碧野 . 计算机工程与科学 . 2017,第009期
4. 基于极限学习机及磁记忆技术的管道缺陷分类方法研究 [J] . WANG Yu ,WAN Yong ,YANG Yong . 油气田地面工程 . 2019,第007期
5. 基于极限学习机的玻璃瓶口缺陷检测方法研究 [J] . 黎牧星 ,黄志鸿 . 计算技术与自动化 . 2016,第004期
6. 基于改进的极限学习机在心脏病预测中的应用 [C] . MU Xiao-min ,穆晓敏 ,WANG Wei . 中华医学会第二十四次全国医学信息学术会议 . 2018
7. 基于极限学习机改进模型的煤矿突水水源识别研究 [A] . 王亚 . 2018

基于分形维数及改进极限学习机的电力电缆缺陷识别研究

摘要

著录项

相似文献

相关主题

期刊订阅