[发明专利]基于粒子群优化的KFCM及SVM的电抗器故障诊断方法在审
| 申请号： | 201810891145.3 | 申请日： | 2018-08-03 |
| 公开（公告）号： | CN109164315A | 公开（公告）日： | 2019-01-08 |
| 发明（设计）人： | 马宏忠;潘信诚;田涛;朱超;陈轩;杭峰;郝宝欣 | 申请（专利权）人： | 河海大学 |
| 主分类号： | G01R31/00 | 分类号： | G01R31/00;G06K9/62 |
| 代理公司： | 南京经纬专利商标代理有限公司 32200 | 代理人： | 葛潇敏 |
| 地址： | 211100 江苏*** | 国省代码： | 江苏;32 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开一种基于粒子群优化的KFCM及SVM的电抗器故障诊断方法，包括如下步骤：步骤1，采集电抗器油中的故障气体浓度，将采集到的数据分为测试数据和故障数据；步骤2，利用P‑KFCM算法对测试数据样本空间进行预分类，建立数据样本与故障类型间的隶属度映射；步骤3，确定SVM的最优分类；步骤4，将最优分类中每两类的数据样本建立一个SVM预测训练器；步骤5，将采集到的测试样本分别输入SVM训练器，得到初步测试结果；步骤6，基于P‑KFCM结合SVM分类模型算法进行电抗器故障诊断。此种故障诊断方法可有效解决局部最优问题，提升诊断结果的可靠性。 | ||
| 搜索关键词： | 电抗器故障 粒子群优化 数据样本 采集 诊断 测试数据样本 测试数据 测试样本 电抗器油 故障类型 故障气体 故障数据 故障诊断 有效解决 诊断结果 隶属度 训练器 预分类 分类 映射 算法 预测 | ||
【主权项】：
1.一种基于粒子群优化的KFCM及SVM的电抗器故障诊断方法，其特征在于包括如下步骤：步骤1，采集电抗器油中的故障气体浓度，将采集到的数据分为测试数据和故障数据；步骤2，利用P‑KFCM算法对测试数据样本空间进行预分类，建立数据样本与故障类型间的隶属度映射；步骤3，确定SVM的最优分类；步骤4，将最优分类中每两类的数据样本建立一个SVM预测训练器；步骤5，将采集到的测试样本分别输入SVM训练器，得到初步测试结果；步骤6，基于P‑KFCM结合SVM分类模型算法进行电抗器故障诊断。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于河海大学，未经河海大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201810891145.3/，转载请声明来源钻瓜专利网。
- 上一篇：一种新型搅拌方式电波混响室及混响方法
- 下一篇：一种智慧用电安全监测系统
