汪洋
,
田双双
,
舒乃秋
,
李自品
绝缘材料
采用集合经验模态分解方法（EEMD），对不同放电阶段的声发射信号进行分解，得到其本征模态分量，再对本征模态分量进行Hilbert变换得到声发射信号的时频谱。在此基础上，计算声发射信号的边际谱，以声发射信号的边际谱熵和重心频率作为声发射信号的特征值，最终实现对绝缘子不同放电阶段的模式识别。结合大量的绝缘子污秽放电试验，运用声发射信号的特征值进行污秽放电模式识别分析。结果表明：该新方法能有效区分污秽绝缘子污秽放电的三种不同放电阶段，为判断绝缘子的外绝缘状态及实现污闪预警提供了技术支持。
关键词:
污秽放电
,
声发射
,
集合模态分解
,
Hilbert边际谱熵
,
瞬时频率
,
模式识别
左婧
,
舒乃秋
,
孔庆源
,
裴春明
,
山霞
绝缘材料
doi:10.3969/j.issn.1009-9239.2006.01.013
对电晕放电和污秽放电声发射信号的特征进行了分析研究.利用两者放电声发射在相位与强度上的差别,提出了识别电晕放电和污秽放电声发射信号的新方法,消除了电晕放电对污秽放电声发射信号的干扰,解决了基于声发射技术的绝缘子污闪在线监测受电晕放电影响的技术难题.
关键词:
绝缘子
,
电晕放电
,
污秽放电
,
监测
,
声发射法
王峰
,
袁开明
,
舒乃秋
绝缘材料
针对绝缘子污秽放电模式识别过程中声发射信号的特征参量维数过高的问题，采用主成分分析法对特征参量降维，利用提取到的绝缘子污秽放电声发射信号的特征参数构成原始特征参量矩阵，通过对原始特征参量矩阵进行K-L正交变换，产生了包含原始特征参量矩阵主要信息的K个主成分，最后利用小波神经网络进行绝缘子污秽放电的模式识别。结果表明：利用主成分分析法降低特征参量的维数，使分类器的结构更简单，小波神经网络比传统的BP神经网络具有更高的识别率和更优的识别效果。
关键词:
主成分分析法
,
小波神经网络
,
绝缘子污秽放电
,
模式识别
