基于流形学习的特高频局放信号特征降维
在特高频局部放电信号的模式识别中,高维的特征空间是提高识别率的重要瓶颈之一。因此,数据降维即将模式识别的样本数据从高维空间变换到低维空间,是特征选择与提取过程中常用的一种方法。本文根据流形学习的基本原理,提出了基于流形学习的特高频局部放电信号特征空间降维方法;并给出了流形学习中的局部线性嵌入算法(LLE算法)、等距映射算法(ISOMAP算法)、拉普拉斯特征映射算法(Laplacian Eigenmap算法)、核主分量分析(KPCA算法)在局部放电超高频信号特征空间降维的实现;以实测气体绝缘组合电器内4种典型绝缘缺陷所激发的特高频局部放电信号为例,对基于流形学习算法的特征降维能力进行检验分析。结果表明,流形学习算法降低了其维数空间并使原有信号的特性最大限度的保持不变,并将冗余信息剔除,从而提高了气体绝缘组合电器缺陷类型的正确识别率。
流形学习 局部放电 特征降维
周倩 唐建军 郑颖 谭兵兵 张洪麟
重庆市电力公司江北供电局,401147
国内会议
重庆
中文
452-457
2010-10-01（万方平台首次上网日期，不代表论文的发表时间）