- · 模式识别与人工智能版面[04/29]
- · 《模式识别与人工智能》[04/29]
- · 《模式识别与人工智能》[04/29]
- · 《模式识别与人工智能》[04/29]
一、本刊要求作者有严谨的学风和朴实的文风，提倡互相尊重和自由讨论。凡采用他人学说，必须加注说明。 二、不要超过10000字为宜，精粹的短篇，尤为欢迎。 三、请作者将稿件（用WORD格式）发送到下面给出的征文信箱中。 四、凡来稿请作者自留底稿，恕不退稿。 五、为规范排版，请作者在上传修改稿时严格按以下要求： 1．论文要求有题名、摘要、关键词、作者姓名、作者工作单位（名称，省市邮编）等内容一份。 2．基金项目和作者简介按下列格式： 基金项目：项目名称（编号） 作者简介：姓名（出生年－），性别，民族（汉族可省略），籍贯，职称，学位，研究方向。 3．文章一般有引言部分和正文部分，正文部分用阿拉伯数字分级编号法，一般用两级。插图下方应注明图序和图名。表格应采用三线表，表格上方应注明表序和表名。 4．参考文献列出的一般应限于作者直接阅读过的、最主要的、发表在正式出版物上的文献。其他相关注释可用脚注在当页标注。参考文献的著录应执行国家标准GB7714-87的规定，采用顺序编码制。
电力工业论文_基于EFPI传感器的GIS局部放电模
作者:网站采编关键词:
摘要：文章目录 0 引言 1 EFPI超声检测系统 1.1 EFPI传感器工作原理 1.2 超声检测系统 2 局部放电超声信号检测及特征参数提取 2.1 GIS局部放电检测试验平台 2.2 不同局部放电类型的时域波形 2.3 超
文章目录
0 引言
1 EFPI超声检测系统
1.1 EFPI传感器工作原理
1.2 超声检测系统
2 局部放电超声信号检测及特征参数提取
2.1 GIS局部放电检测试验平台
2.2 不同局部放电类型的时域波形
2.3 超声信号特征参数提取
(1) 上升时间。
(2) 持续时间。
(3) 幅值。
(4) 能量。
(5) 振铃计数。
3 基于不同模式识别算法的GIS局放模式识别
3.1 PNN识别方法
(1) 特征向量格式调整。
(2) PNN参数设置。
(3) PNN创建及训练。
(4) PNN测试。
3.2 SVM识别方法
(1) 特征向量格式调整。
(2) 核函数选取及参数设置。
(3) SVM模型创建及训练。
(4) SVM模型测试。
3.3 识别结果比较分析
4 结论
文章摘要:非本征法布里-帕罗干涉（EFPI）光纤超声传感器可用于气体绝缘全封闭组合电器（GIS）内部的局部放电超声信号检测及模式识别研究,相较于传统的压电式传感器,具有灵敏度高、抗干扰能力强等优点。基于此,文中在充有0.4 MPa SF6气体的GIS腔体内设置尖端、金属颗粒、悬浮和沿面4种典型的局部放电模型,创新性地利用EFPI传感器对放电超声信号进行检测,提取单次超声脉冲信号波形特征形成特征参数数据库,分别应用概率神经网络（PNN）算法和支持向量机（SVM）算法进行模式识别并比较分析。EFPI传感器检测到的超声信号特征突出,在提取特征参数的基础上,2种模式识别算法均能达到85%以上的平均识别率,且SVM的识别效果要优于PNN。
文章关键词:
论文分类号:TM855;TM595
文章来源：《模式识别与人工智能》 网址: http://www.mssbyrgznqks.cn/qikandaodu/2022/0127/793.html