基于相关性和类间差异度的放电声信号特征量选择与降维

摘要：

为准确高效地诊断电气设备放电故障类型,实现多维特征的有效降维,提出了基于相关性和类间差异度的特征量选择与降维方法.首先,搭建模拟放电可听声信号采集平台,利用交叉小波变换分析信号的相关主成分,获得信号特征频带及其对应的离散小波重构时域分量,提取不同类型放电声信号的多维时域特征;然后,利用Pearson相关系数矩阵分析特征量之间的相关性,结合各特征类间差异度和类内离散度,优选出特征量进行识别效果检验;接着,以参数优化的支持向量机识别准确率为维度选择判据,依据准确率变化规律确定最终维度和特征;最后将该文方法与传统降维算法进行对比,并探究不同干扰模式对该文方法的影响.结果表明:所提方法相对传统降维算法保留了原始特征属性,最终所选特征的识别准确率超过96％,为特征降维提供了有效判据.

关键词：局部放电、可听声信号、交叉小波变换、类间差异度、特征降维、放电类型识别

所属期刊栏目：49

分类号：TP309.1;TG146.21;TN911.2

资助基金：兰州交通大学天佑创新团队;国网甘肃省电力公司电力科学研究院科技项目

在线出版日期：2023-04-28（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：1194-1204