典型文献
基于CNN算法的并联电抗器机械故障诊断方法
文献摘要：
为解决并联电抗器的机械故障诊断问题,本文提出了一种基于卷积神经网络算法的机械故障诊断方法.首先以一台10 kV并联电抗器为研究对象搭建了振动实验平台,在油箱表面采集了5种机械状态下的振动信号,将原始振动信号进行预处理得到其时域波形与频谱,然后分析了振动时频特性并验证了其区分机械状态的可行性,因此将振动信号输入分类模型中进行特征自适应提取和训练,最终通过分类器输出结果达到诊断的目的.该方法与传统的故障诊断方法相比,不但省略了人工提取特征环节,并且减少了误判问题,最终可以以较高的精度诊断电抗器机械故障.因此,本文提出的方法对并联电抗器的安全可靠运行具有重要意义.
文献关键词：
并联电抗器;振动信号;机械故障;卷积神经网络
中图分类号：
作者姓名：
吴经锋;王文森;张璐;韩彦华;李祎;张玉焜;汲胜昌
作者机构：
国网陕西省电力有限公司电力科学研究院,陕西 西安710100;西安交通大学电力设备电气绝缘国家重点实验室,陕西 西安710049
文献出处：
引用格式：
[1]吴经锋;王文森;张璐;韩彦华;李祎;张玉焜;汲胜昌-.基于CNN算法的并联电抗器机械故障诊断方法)[J].电工电能新技术,2022(12):72-80
A类：
B类：
并联电抗器,机械故障诊断,故障诊断方法,诊断问题,神经网络算法,先以,一台,kV,振动实验,实验平台,油箱,振动信号,理得,时域波形,时频特性,分机,分类模型,特征自适应,自适应提取,分类器,输出结果,省略,提取特征,误判,断电,可靠运行
AB值：
0.261169
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
