基于相对变换与核熵成分分析的电力变压器故障诊断方法

发明专利有效专利

申请号：
CN201811106188.2
IPC分类号：G06K9/62;G06N3/00
申请日期：
2018-09-21
申请人：
西华大学

基础信息

权利要求

说明书

PDF全文

法律信息

引证文献

著录项信息

专利名称	基于相对变换与核熵成分分析的电力变压器故障诊断方法
申请号	CN201811106188.2	申请日期	2018-09-21
法律状态	实质审查	申报国家	中国
公开/公告日	2019-01-15	公开/公告号	CN109214460A
优先权	暂无	优先权号	暂无
主分类号	G06K9/62 ? IPC结构图谱： G 物理 G0 仪器 G06 计算；推算；计数 G06K 数据识别；数据表示；记录载体；记录载体的处理（印刷本身入B41J） G06K9/00 用于阅读或识别印刷或书写字符或者用于识别图形，例如，指纹的方法或装置（用于图表阅读或者将诸如力或现状态的机械参量的图形转换为电信号的方法或装置入G06K 11/00；语音识别入G10L 15/00）〔1，7〕 G06K9/62 应用电子设备进行识别的方法或装置〔3〕	IPC分类号	G;0;6;K;9;/;6;2;;;G;0;6;N;3;/;0;0查看分类表>
申请人	西华大学	申请人地址	四川省成都市金牛区土桥金周路999号变更专利地址、主体等相关变化，请及时变更，防止失效
权利人	西华大学	当前权利人	西华大学
发明人	张彼德;彭丽维;梅婷;李宜;孔令瑜;洪锡文;陈颖倩;肖丰
代理机构	成都信博专利代理有限责任公司	代理人	刘凯

摘要

本发明公开一种基于相对变换与核熵成分分析的电力变压器故障诊断方法，采用相对变换核熵成分分析法提取特征，构造核极限学习机的训练样本集和测试样本集，然后训练核极限学习机分类器，形成最终的RTKECA‑KELM诊断模型；通过自适应量子粒子群优化算法优化RTKECA‑KELM诊断模型参数，得到最优模型参数组合，并保存最优RTKECA‑KELM诊断模型；将测试样本或者待诊断样本输入至训练好的最优RTKECA‑KELM诊断模型，得出诊断结果。本发明既能利用RT的非线性放大和抑制噪声的优点，又能发挥KECA非线性提取特征的优势，具有良好的特征提取效果，具有较高的故障诊断准确率，有效提升了模型的故障诊断精度。

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有引用任何外部专利数据！

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有被任何外部专利所引用！

我浏览过的专利

专利服务由北京酷爱智慧知识产权代理公司提供