来源:《电气自动化》2019年第05期  作者:沈航;张峰;张士文;陆凯峰;
选择字号

基于K-means分类和BP神经网络的故障电弧辨识方法

收藏本文  分享

针对随着负载种类增多,BP神经网络的电弧故障辨识成功率不断下降的问题,提出一种基于K-means分类算法和BP神经网络组合的故障电弧辨识方法。通过快速傅里叶变换得到负载电流波形的特征值,再由K-means算法进行负载分类,对分类后的负载波形分别做小波变换得到细节特征值,将小波细节特征值和时域特征值输入至与负载类型对应的BP神经网络进行故障识别。试验结果表明,基于K-means负载分类和BP神经网络的辨识方法故障电弧辨识成功率达到96.41%,有效解决了负载类型增多时BP神经网络难以收敛且成功率降低的问题。(本文共计4页)......[继续阅读本文]

下载阅读本文订阅本刊

图书推荐

    相关文章推荐

    看看这些杂志对你有没有帮助...

    更多杂志>>