[发明专利]一种真空度局部放电脉冲群分类识别方法

权利要求书

1.一种真空度局部放电脉冲群分类识别方法，其特征在于，通过等效时频法对脉冲进行特征参数提取，形成2D的特征参数空间，再利用改进的模糊C均值聚类算法对局放脉冲群进行分类，具体分为两个阶段：

局放脉冲波形特征提取阶段：通过等效时频法提取脉冲波形的特征量，并将其压缩为特征空间的一个向量；对放电脉冲在等效时域和等效频域上的特征值进行归一化处理；

模糊C均值聚类算法分类阶段：通过迭代爬山法实现的，即通过对迭代函数的不断迭代来取得最优的模糊分类，目标函数为样本到聚类中心加权距离的平方和，根据最终的隶属度矩阵进行分类。

2.根据权利要求1所述的真空度局部放电脉冲群分类识别方法，其特征在于，通过等效时频法提取脉冲波形的特征量，并将其压缩为特征空间的一个向量，具体方法为：

对脉冲群数据做如下处理：

式中，j表示第j个脉冲，n表示脉冲由n个点组成；d_i为第i个点的时域波形值，mv；Δh为采样时间间隔；Δh(i-1)为第i个点对应的时间；

对脉冲波形做傅里叶变换：

式中，D_i为第i个点的频谱幅值；Δg(i-1)为第i个点的频率值；

之后对信号做如下处理：

h_i为第i个点对应的时间，g_i为第i个点的频率值；表示对0到j个脉冲时域和频域做归一化处理，H_j、G_j表示第j个脉冲的等效时域特征和等效频域特征；

对同一类中的所有放电脉冲进行特征提取后，即得脉冲群的特征向量(H_j,G_j)，j＝1,2,...,N,N为脉冲个数。

3.根据权利要求2所述的真空度局部放电脉冲群分类识别方法，其特征在于，对放电脉冲在等效时域和等效频域上的特征值进行归一化处理，具体方法为：

式中，H'_j、G'_j分别为归一化处理后的特征向量值。

4.根据权利要求3所述的真空度局部放电脉冲群分类识别方法，其特征在于，通过对迭代函数的不断迭代来取得最优的模糊分类，目标函数为样本到聚类中心加权距离的平方和，根据最终的隶属度矩阵进行分类，具体方法为：

将样本空间X＝(x₁,...,x_n)中的n个样本分为c类，P＝(p_ij),i＝1,2,...,c,j＝1,2,...,n，其中P为隶属度矩阵即分类结果，p_ij为样本x_j对第i类的隶属度；

FCM算法的聚类准则是使全部样本到聚类中心加权距离的平方和到达最小；目标函数定义为：

式中，J_FCM为全部样本到聚类中心加权距离的平方和；q_i为第i类的聚类中心；m∈(1,∞)为加权指数；通过不断地迭代更新来获取样本的最优分类，迭代函数为：

式中，x_j为第j个样本，p_ij为样本x_j对第i类的隶属度，q_i为第i类的聚类中心；

在确定聚类数c和加权指数m的基础上，用(0,1)之间的随机数去初始化隶属度矩阵P，并计算聚类中心Q⁽ⁿ⁾，Q⁽ⁿ⁾为由q_i构成的向量，n为迭代次数；当不等式||Qⁿ-Qⁿ⁺¹||≤ε成立时迭代结束，输出隶属度矩阵得分类结果；

其中，ε表示一个允许的误差。

5.根据权利要求4所述的真空度局部放电脉冲群分类识别方法，其特征在于，初始化隶属度矩阵P的方法为：生成c×n个的平均分布的随机数，构成P矩阵；m＝2；ε取1*10^-5。