《表1 基于Hilbert-Huang和VMD-Hilbert变换的识别结果》
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Hilbert边际谱和SAE-DNN的局部放电模式识别方法》
为进一步证明本文以VMD-Hilbert边际谱作为特征向量的可行性,将其与基于Hilbert-Huang变换所得边际谱对比,提取边际谱的频谱均值Fave、方差Fσ、带宽Fband和最高幅值对应频率Fmax,即特征向量F=[Fave,Fσ,Fband,Fmax][2]。同时,将本文方法与文献[22]中所采用的基于VMD与多尺度熵(MSE)的特征提取方法进行对比。利用三层BP神经网络进行识别,隐含层神经元个数设为5,最大迭代次数为100,最大允许误差为0.001,激励函数选择sigmoid函数,识别结果如表1所示。
图表编号 | XD0030117100 严禁用于非法目的 |
---|---|
绘制时间 | 2019.01.10 |
作者 | 高佳程、朱永利、郑艳艳、张科、刘帅 |
绘制单位 | 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(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) |
更多格式 | 高清、无水印(增值服务) |