基于BPAdaboost神经网络的非侵入式电机工作状态识别方法
文档名：基于BPAdaboost神经网络的非侵入式电机工作状态识别方法
摘要：大功率设备碳排放控制是实现"双碳"目标的重要环节,为了监测大功率设备的工作状态,提出一种基于BP-Adaboost神经网络的非侵入式电机工作状态识别方法.通过ATP-EMTP软件搭建电机并网模型,对电机入口端原始信号及电网端加噪信号进行数据采集.为了利用互相关算法从噪声电信号中提取稳定特征量,提出将Pisarenko谐波分解(PHD)算法与互相关算法相结合建立电信号特征提取的优化算法.通过BP-Adaboost强分类器构建电机工作状态的识别模型.应用仿真结果表明,经过PHD算法处理并结合提出的BP-Adaboost识别方法,可有效实现电机起动谐波的检测与电机工作状态的识别,并实测验证了该方法的高精度和可靠性,实验仿真识别率为100%,实验验证识别率为96%.
作者：胡正伟王志红畅瑞鑫谢志远曹旺斌Author：HUZhengweiWANGZhihongCHANGRuixinXIEZhiyuanCAOWangbin
作者单位：华北电力大学电气与电子工程学院,河北保定071003
刊名：电机与控制学报 ISTICEIPKU
Journal：ElectricMachinesandControl
年，卷(期)：2023, 27(10)
分类号：TM306TP216
关键词：非侵入式BP-AdaboostPisarenko谐波分解ATP-EMTP软件互相关状态识别
Keywords：non-invasiveBP-AdaboostPisarenkoharmonicdecompositionATP-EMTPsoftwarecross-correlationstaterecognition
机标分类号：TN911.7TM71TM912.1
在线出版日期：2023年12月18日
基金项目：国家自然科学基金，国家自然科学基金基于BP-Adaboost神经网络的非侵入式电机工作状态识别方法[
期刊论文]电机与控制学报--2023, 27(10)胡正伟王志红畅瑞鑫谢志远曹旺斌大功率设备碳排放控制是实现"双碳"目标的重要环节,为了监测大功率设备的工作状态,提出一种基于BP-Adaboost神经网络的非侵入式电机工作状态识别方法.通过ATP-EMTP软件搭建电机并网模型,对电机入口端原始信号及电网端加...参考文献和引证文献
参考文献
引证文献
本文读者也读过
相似文献
相关博文
基于BP-Adaboost神经网络的非侵入式电机工作状态识别方法Working state identification method of non-intrusive motor based on BP-Adaboost neural network
基于BP-Adaboost神经网络的非侵入式电机工作状态识别方法.pdf
页:
[1]