基于LS-SVM的航空故障电弧诊断

doi:10.16628/j.cnki.2095-8188.2018.10.008

电器与能效管理技术 ›› 2018, Vol. 0 ›› Issue (10): 45-49.doi: 10.16628/j.cnki.2095-8188.2018.10.008

基于LS-SVM的航空故障电弧诊断

李岚松¹, 周越², 熊翔¹, 于广辉¹, 王永兴¹

1.大连理工大学电气工程学院,辽宁大连 116024; 2大连中控智慧信息技术有限公司,辽宁大连 116085

收稿日期:2018-03-30 出版日期:2018-05-30 发布日期:2020-03-24
作者简介:李岚松(1994—),男,硕士研究生,研究方向为故障电弧的智能检测。周越(1990—),男,主要从事航空故障电弧的研究。熊翔(1991—),男,硕士研究生,研究方向为航空故障电弧的智能检测。
基金资助:
* 辽宁省自然科学基金项目(2013020045)

Diagnosis of Aviation Fault Arc Based on LS-SVM

LI Lansong¹, ZHOU Yue², XIONG Xiang¹, YU Guanghui¹, WANG Yongxing¹

1.School of Electrical Engineering ,Dalian University of Technology,Dalian 116024,China; 2,Dalian zhongkong wisdom Information Technology Co.Ltd.,Dalian 116085,China

Received:2018-03-30 Online:2018-05-30 Published:2020-03-24

摘要/Abstract

摘要： 将最小二乘-支持向量机算法(LS-SVM)应用于航空故障电弧的识别中,构建了LS-SVM分类器。从提取的故障电弧信息得到特征向量,作为LS-SVM的输入向量,对LS-SVM分类器进行训练和测试,并对线性负载、非线性负载和未知负载的航空故障电弧进行了识别。结果表明,所提算法能有效识别是否发生故障电弧,但是对于电弧故障具体类型的判断还有待于改进提高。

关键词: 最小二乘-支持向量机, 航空故障电弧, 故障电弧诊断, 特征向量

Abstract: The least-squares support vector machine algorithm is applied to detect the aviation fault arc in this paper.The LS-SVM learning machine is constructed at first.The feature vectors extracted from fault arc information are used as the input vectors of least-squares support vector machine.LS-SVM classifier is trained and tested to identify the aviation fault arc for linear load,nonlinear load and unknown load.The results show that the algorithm can effectively identify whether arc occurs,but the judgement of specific types of fault arc still needs to be improved.

Key words: least-squares support vector machine(LS-SVM), aviation fault arc, fault arc diagnosis, feature vectors

中图分类号:

TM501⁺.2

李岚松, 周越, 熊翔, 于广辉, 王永兴. 基于LS-SVM的航空故障电弧诊断[J]. 电器与能效管理技术, 2018, 0(10): 45-49.

LI Lansong, ZHOU Yue, XIONG Xiang, YU Guanghui, WANG Yongxing. Diagnosis of Aviation Fault Arc Based on LS-SVM[J]. DIANQI YU NENGXIAO GUANLI JISHU, 2018, 0(10): 45-49.

参考文献

[1] 教丽敏,郭炳斌.浅析民用飞机配电网中保护装置的选用[J].中国高新技术企业,2013(15):78-79.
[2] 刘晓明,徐叶飞,刘婷,等.基于电流信号短时过零率的电弧故障检测[J].电工技术学报,2015,30(13):125-133.
[3] 马少华,鲍洁秋,蔡志远,等.基于信息维数和零休时间的电弧故障识别方法[J].中国电机工程学报,2016,36(9):2572-2579.
[4] 陈昌垦,刘艳丽,李颖.基于K均值聚类的串联型故障电弧识别[J].电气工程学报,2016,11(8):23-29.
[5] 孙鹏,郑志成,闫荣妮,等.采用小波熵的串联型故障电弧检测方法[J].中国电机工程学报,2010,30(增刊):232-236.
[6] 肖燕彩,朱衡君.基于最小二乘支持向量机的电力变压器故障诊断[J].电力自动化设备,2007,27(9):48-51.
[7] 张芳芳,张世荣,程琴.结合位移检测和LSSVM的电机故障诊断[J].河南科技大学学报(自然科学版),2018(2):11-16.
[8] 张全明,刘会金.最小二乘支持向量机在电能质量扰动分类中的应用[J].中国电机工程学报,2008,28(1):106-110.
[9] 周越,王永兴,邹积岩,等.基于EMD-AR方法的航空串联故障电弧特性研究[J].电器与能效管理技术,2016(11):1-6.
[10] JEFFREY D,STEINMAN S,HARDY D R.et al.Evolution of the Standard Simulation Architecture[C]//Proceedings of the HARDY D R.Evolution of the Standard Simulation Architecture[C]//Proceedings of the 2004 Spring Simulation Interoperability Workshop,04S-SIW-100.
[11] HUANG NE,SHEN Z,LONG S R,et al.The empirical mode and hilbert spectrum for non-linear and non-stationary time series analysis[J].Proceedings of the Royal Society,1998,454(1971):903-995.
[12] 吴怀宇. 时间序列分析与综合[M].武汉:武汉大学出版社,2004.
[13] ROY F,MURTY G S.Application of FPE based AR model for signal detection and digital data compression[J].Annals of the Institute of Statistical Mathematics,1982,34(1):181-188.
[14] BAESENS B,VIAENE S,GESTEL T V,et al.Least squares support vector machine classifiers:an empirical evaluation[J].Access & Download Statistics,2000(2):1-16.
[15] 郭辉,刘贺平,王玲.最小二乘支持向量机参数选择方法及其应用研究[J].系统仿真学报,2006,18(7):2033-2036.
[16] 李鑫滨,陈云强,张淑清.基于LS-SVM多分类器融合决策的混合故障诊断算法[J].振动与冲击,2013,32(19):159-164.
[17] TIAN Y,ZHAO C,LU S,et al.SVM-based Multiple Classifier System for recognition of wheat leaf diseases[C] //IEEE World Automation Congress.2010:189-193.

基于LS-SVM的航空故障电弧诊断

Diagnosis of Aviation Fault Arc Based on LS-SVM

RichHTML

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 13

编辑推荐

Metrics

本文评价

[1]	郭凤仪, 阮俊义, 刘大卫, 王智勇. 光伏系统直流故障电弧研究现状及发展趋势[J]. 电器与能效管理技术, 2018, 0(10): 1-7.
[2]	王尧, 田明, 牛峰, 包志舟, 李奎. 低压交流电弧故障检测方法研究综述[J]. 电器与能效管理技术, 2018, 0(10): 8-13.
[3]	徐宵伟, 陈永亮. 电弧故障检测技术分析与发展趋势[J]. 电器与能效管理技术, 2018, 0(10): 14-19.
[4]	高少彬, 竺红卫. 直流故障电弧检测技术综述[J]. 电器与能效管理技术, 2018, 0(10): 20-24.
[5]	黄跃杰, 周笛青. 光伏系统直流串联电弧故障时-频域检测方法[J]. 电器与能效管理技术, 2018, 0(10): 25-34.
[6]	朱立春, 张跃火, 张显立. 基于光伏直流电弧故障的研究与保护技术[J]. 电器与能效管理技术, 2018, 0(10): 35-39.
[7]	邓云坤, 马仪, 王达达, 郭泽, 李兴文, 赵虎. C₅F₁₀O-CO₂混合气体燃弧特性的试验研究[J]. 电器与能效管理技术, 2018, 0(10): 40-44.
[8]	JuanCarlosMico, 付凯亮, 金辰, 薛艳红. 电弧故障保护电器测试中提高电缆碳化成功率的方法研究[J]. 电器与能效管理技术, 2018, 0(10): 54-59.
[9]	吴艾伦. 电弧故障保护电器(AFDD)串联、并联电弧故障试验及抑制性负载屏蔽试验方法[J]. 电器与能效管理技术, 2018, 0(10): 60-67.
[10]	杜量, 苏晶晶, 沈嘉, 傅炳. 一种新型电弧故障模拟发生装置的研制[J]. 电器与能效管理技术, 2018, 0(10): 68-74.
[11]	何东升, 刘光祺, 许呈盛. 一种高压断路器电弧故障检测保护方法及其装置的设计与开发[J]. 电器与能效管理技术, 2018, 0(10): 75-79.
[12]	夏明晔, 薛峰, 谭飞, 管瑞良. 光伏系统直流故障电弧检测装置的研制[J]. 电器与能效管理技术, 2018, 0(10): 80-84.
[13]	陈喜彦, 田慧超, 杨龙. 浅析GB/T 18859—2016与GB/Z 18859—2002的技术差异[J]. 电器与能效管理技术, 2018, 0(10): 85-88.