Indexed by：
Abstract：
针对低压交流系统的短路故障诊断问题,提出一种基于黑洞粒子群优化算法(BHPSO)和多层级SVM的低压交流系统短路故障类型辨识方法.首先,对故障前后0.5 ms电流信号进行小波变换分解,采用小波细节分量标准差构建故障特征向量.其次,以黑洞粒子群算法对SVM的核参数和惩罚因子进行参数优化来构建多层级SVM分类器,实现低压交流系统短路故障类型辨识.最后,采用TMS320F28335 DSP硬件化技术实现故障类型辨识决策模型,通过低压交流系统短路实验证实本方法准确率高,且在噪声干扰、负荷电流变化等工况下均有较好的鲁棒性.
Keyword：
Reprint 's Address：
Email：
Source ：
福州大学学报（自然科学版）
ISSN： 1000-2243
CN： 35-1337/N
Year： 2022
Issue： 5
Volume： 50
Page： 627-634
Cited Count：
SCOPUS Cited Count：
ESI Highly Cited Papers on the List： 0 Unfold All
WanFang Cited Count： -1
Chinese Cited Count：
30 Days PV： 0
Affiliated Colleges：
