当通过传统的判别方法对电缆故障进行分类时，判别结果的不确定性问题很容易解决：Fisher线性鉴别器用于区分电缆的故障类别。
方法基于区分两种类型的已知样本的Fisher方法，并构造用于区分未知样本的优化方法，并允许详细的推导。验表明，该方法有效地解决了寻找未知样本最优解和判断辨别程度的实际问题。于Fisher判别式具有两个不确定性关键词：进行详细推导。验表明，该方法可以搜索未知样品的最优解，并确定分离程度。
Fisher的线性判别式;最优解;分辨率关键词：电缆缺陷;线性Fisher判别：最优解;分离度中图分类号：TM726.4文献标识码：A产品号：1006-4311（2016）22-0136-03引言近年来，电缆已应用于城市和工矿业来自中国。已被广泛用于网和农网的处理。着重建城市网络和农村电网的项目逐步推进，线路越来越多，电缆数量逐渐增加。缆几乎用于所有领域，如港口，机场，钢铁，油田，石化和发电。而，在馈送电力电缆的过程中，在电缆故障的情况下，难以识别和定位故障，并且故障的存在将不可避免地导致电源故障。速高效的电力电缆故障识别是故障管理的重要步骤。本文中，基于Fisher的判别方法，有效地对电缆缺陷进行了分类，并分析了Fisher的判别结果。Fisher线性判别分析的基础知识对于维空间样本，投影被映射到一维坐标，并且样本的特征是混合的并且难以区分。
果您正在寻找投影方向以轻松区分样本和投影方向，这是渔夫标准的基本原则。
Fisher判别方法的基本思想是尽可能地在一个方向（直线）上投影n维n维数据集，以便尽可能地分类。
式上，这种方法是一种称为降维的方法。
这里，我解释了Fisher判别方法在两类问题中的原理，如图1所示。用Fisher线性判别识别电缆故障类型故障类型分类相电压默认故障电流和故障相电流包含大量故障信息，这使得可以通过观察故障信号的原始特征来识别故障。线电缆电压的单极分量的小波分解系数的平方和与不同类型的电缆故障之间存在一些内在关系。
此基础上，可以通过熵获得电缆故障信号的电压故障信号的零序分量的幅度和相位，并且为此定义幅度熵和相位熵。成一组二维特征向量。过三小波小波包分解方法处理幅度信号Am。
先，根据高频和低频特性，将Am分解为低频部分和高频部分，
矿用电缆并获得与高频部分和低频部分对应的高频系数矢量和低频系数矢量，然后分解系数向量以获得高频和低频两部分。据分解情况，小波包用于分解幅度信号，这可以完全满足高频和低频分解要求。幅度Am的每个频带的能量函数的负积与其对数的和定义为幅度Hm的熵。
验结果如图2所示。2.相位熵和幅度熵的Fisher判别结果：阈值W0 = -1.7718和Y =（ - 0.3816，-0.4365，-0.4126）T要测试的样本，我们可以看到yi> W0，因此，这组样本属于第一类。论仿真实验表明，改进算法建立的模型能够正确识别多个短路故障，然后对一组数据类别的判断可以更有效地识别故障类型。
过本文档中描述的方法识别样品。
本文转载自
电缆价格www.haoluoyi.com
猜您兴趣
首页
QQ