在线va视频,亚洲一区二区蜜桃,日日夜夜精品视频

基于ICEEMDAN-SVM算法的復合絕緣子缺陷識別研究

來源：電工電氣發布時間：2023-10-18 08:18 瀏覽次數：443

基于ICEEMDAN-SVM算法的復合絕緣子缺陷識別研究

池小佳¹，肖建華¹，肖曉江¹，邢文忠¹，吳慰東¹，張建峰²，馮浩文³

(1 廣東電網有限責任公司揭陽供電局，廣東揭陽 522000；

2 廣東電網有限責任公司梅州供電局，廣東梅州 514021；

3 廣東工業大學自動化學院，廣東廣州 510006)

摘要：為了對復合絕緣子進行快速、有效檢測，提出了基于改進的自適應白噪聲完備集合經驗模態分解 (ICEEMDAN) 和支持向量機 (SVM) 相結合的缺陷信號識別方法, 該方法將克服傳統經驗模態分解的模態混疊缺點，在對復合絕緣子進行超聲導波檢測時，可準確、快速識別回波信號，保障電力系統穩定運行。對絕緣子進行無缺陷、中部斷面缺陷、中部氣孔缺陷的有限元仿真，運用 ICEEMDAN 對絕緣子各缺陷類型的超聲回波數據進行分解；計算出各模態下的樣本熵、排列熵，并通過 SVM 進行復合絕緣子的缺陷類型識別。研究結果表明，基于 ICEEMDAN 與 SVM 的信號識別方法能夠較好地提取復合絕緣子的

故障特征并進行缺陷識別分類。

關鍵詞： 復合絕緣子；超聲導波；缺陷識別；改進的自適應白噪聲完備集合經驗模態分解；支持向量機

中圖分類號：TM216 文獻標識碼：A 文章編號：1007-3175(2023)09-0001-07

Research on Defect Identification of Composite Insulators

Based on ICEEMDAN-SVM Algorithm

CHI Xiao-jia¹, XIAO Jian-hua¹, XIAO Xiao-jiang¹, XING Wen-zhong¹, WU Wei-dong¹, ZHANG Jian-feng², FENG Hao-wen³

（1 Guangdong Power Grid Co., Ltd. Jieyang Power Supply Bureau, Jieyang 522000, China;

2 Guangdong Power Grid Co., Ltd. Meizhou Power Supply Bureau, Meizhou 514021, China;

3 School of Automation, Guangdong University of Technology, Guangzhou 510006, China）

Abstract: In order to detect composite insulators quickly and effectively, a defect signal recognition method based on ICEEMDAN (Improved Complete Ensemble Empirical Mode Decomposition with Adaptive Noise) and SVM (Support Vector Machine) is proposed in this paper. It not only can overcome mode mixing of the traditional empirical mode decomposition, but also can identify echo signals accurately and quickly to ensure the stable operation of power systems when conducting ultrasonic guided wave detection on composite insulators.First, finite element simulation of no defect insulators, central section defect insulators and central pore defect insulators is carried out. Then,ICEEMDAN is used to decompose ultrasonic echo data of all the detect types of insulators. Third, sample entropies and permutation entropies of all the modes are calculated and SVM is employed to identify the defect types of composite insulators. According to the results, the signal recognition method based on ICEEMDAN and SVM can extract the fault characteristics of composite insulators and can identify and classify these defects well.

Key words: composite insulator; ultrasonic guided wave; defect identification; improved complete ensemble empirical mode decomposition with adaptive noise; support vector machine

參考文獻

[1] 張鳴，陳勉.500 kV 羅北甲線合成絕緣子芯棒脆斷原因分析[J]. 電網技術，2003，27(12) ：51-53.

[2] 盧明，張中浩，李黎，等. 復合絕緣子酥朽發熱老化的原因分析[J] . 電網技術，2018，42(4) ：1335-1341.

[3] 王浩然，郭子豪，張絲鈺，等. 缺陷對特高壓交流盆式絕緣子電場分布的影響[J] . 高電壓技術，2018，44(3) ：982-992.

[4] 律方成，牛雷雷，王勝輝，等. 基于紫外成像和改進 YOLOv3 的瓷懸式絕緣子放電嚴重程度評估[J].高電壓技術，2021，47(2) ：377-386．

[5] 商俊平，李儲欣，陳亮. 基于視覺的絕緣子定位與自爆缺陷檢測[J] . 電子測量與儀器學報，2017，31(6) ：844-849.

[6] 李良. 復合絕緣子超聲波探傷信號處理方法研究[D].長沙：長沙理工大學，2019.

[7] 鄧紅雷，魯強，陳力，等. 基于超聲導波的復合絕緣子檢測[J]. 高電壓技術，2016，42(4) ：1236-1244．

[8] 鄧紅雷，陳力，魯強，等. 超聲導波檢測絕緣子用玻璃鋼芯棒缺陷[J] . 電工技術學報，2017，32(12) ：268-276．

[9] 魯強.基于超聲導波的復合絕緣子檢測技術的研究[D].廣州：華南理工大學，2016.

[10] 陳力. 超聲導波在復合絕緣子中的傳播特性研究[D].廣州：華南理工大學，2017.

[11] 何戰峰. 基于超聲導波的復合絕緣子芯棒和脫粘缺陷檢測研究[D]. 廣州：華南理工大學，2018.

[12] 鄧紅雷，何戰峰，陳力. 復合絕緣子脫粘缺陷的超聲導波檢測[J] . 高電壓技術，2019，45(1) ：196-202.

[13] 鄧紅雷，何戰峰，陳力，等. 基于匹配追蹤的 L 模態超聲導波檢測復合絕緣子芯棒缺陷研究[J] . 電瓷避雷器，2019(2) ：168-174.

[14] 張檣，周西峰，王瑾，等. 基于改進的 EMD 超聲信號降噪方法研究[J] . 南京郵電大學學報(自然科學版)，2016，36(2) ：49-55.

[15] 左憲章，康健，師小紅，等. 基于小波包最優基子帶能量的裂紋特征提取[J] . 機械強度，2010，32(2) ：212-217．

[16] LEE K, ESTIVILL-CASTRO V.Feature extraction and gating techniques for ultrasonic shaft signal classification[J] . Applied Soft Computing Journal，2007，7(1) ：156-165.

[17] DE FENZA A , SORRENTINO A , VITIELLO P .Application of Artificial Neural Networks and Probability Ellipse Methods for Damage Detection Using Lamb Waves[J].Composite Structures，2015，133 ：390-403.

[18] DOBSON J, CAWLEY P.Independent Component Analysis for Improved Defect Detection in Guided Wave Monitoring[J].Proceedings of the IEEE，2016，104(8) ：1620-1631.

[19] COLOMINAS M A, SCHLOTTHAUER G, TORRES M E.Improved complete ensemble EMD: A suitable tool for biomedical signal processing[J].Biomedical Signal Processing and Control，2014，14(1) ：19-29.

[20] RICHMAN J, MOORMAN J R.Physiological timeseries analysis using approximate entropy and sample entropy[J].American Journal of Physiology Heart and Circulatory Physiology，2000，278(6) ：2039-2049.

[21] 陳英強，陳煜敏，蔣勁，等. 基于小波包樣本熵和 SVM 的水泵機組振動故障診斷[J]. 中國農村水利水電，2017(3)：165-168.

[22] BANDT C , POMPE B . Permutation entropy:A natural complexity measure for time series[J].Physical Review Letters，2002，88(17)：174102.

[23] 王志斌，曹紅偉，劉佳佳. 基于小波包去噪與 EMD 的故障電弧檢測算法研究[J] . 電測與儀表，2019，56(6)：117-121.

[24] 劉偉，韓彥華，王荊，等. 基于粒子群算法優化支持向量機的變壓器繞組變形分類方法[J] . 高壓電器，2020，56(3)：72-78.

[25] 邵鑫明，萬書亭，劉榮海，等. 基于 LMD-PCA 和樣本熵的瓷支柱絕緣子故障診斷[J] . 無損檢測，2021，43(3)：69-73.

返回索引列表

Article retrieval

文章檢索

基于ICEEMDAN-SVM算法的復合絕緣子缺陷識別研究