《表4 基于谱特征和纹理特征的识别效果》
提示:宽带有限、当前游客访问压缩模式
本系列图表出处文件名:随高清版一同展现
《基于二维变分模态分解和Hilbert变换的局放信号特征提取方法》
利用放电模型采集不同类型放电信号,生成放电样本,利用BP神经网络进行训练。设置三层BP神经网络进行分类,输入层神经元个数为10,隐含层神经元个数设定为7,输出层神经元个数为4,最大迭代次数为1 000,最大允许误差为0.001,激励函数选择sigmoid函数。每类放电随机选取30个样本进行训练,剩余样本用于测试。同样,采用二维Hilbert-Huang变换和直接提取局部放电灰度图的灰度特征作为对比,如表3所示。另外,对经过二维VMD算法分解后的模态分量直接提取图像纹理特征,并与基于四元数Hilbert变换提取出的频谱特征的识别结果进行对比,识别结果如表4所示。
图表编号 | XD00100436700 严禁用于非法目的 |
---|---|
绘制时间 | 2019.09.25 |
作者 | 高佳程、朱永利、贾亚飞、张科 |
绘制单位 | 华北电力大学新能源电力系统国家重点实验室、华北电力大学新能源电力系统国家重点实验室、华北电力大学新能源电力系统国家重点实验室、华北电力大学新能源电力系统国家重点实验室 |
更多格式 | 高清、无水印(增值服务) |