文献类型：期刊文章

作　　者：郭凤仪[1] 高洪鑫[1] 王智勇[1] 游江龙[1] 邓勇[1] 陈昌垦[1,2]

GUO Fengyi;GAO Hongxin;WANG Zhiyong;YOU Jianglong;DENG Yong;CHEN Changken(Faculty of Electrical and Control Engineering, Liaoning Technical University, Huludao 125105, China;State Grid Shiyan Power Supply Company, Shiyan 442000, China)

机构地区：[1]辽宁工程技术大学电气与控制工程学院,辽宁葫芦岛125105 [2]国网十堰供电公司,湖北十堰442000

出　　处：《煤炭学报》

基　　金：国家自然科学基金资助项目(51674136)

年　　份：2018

卷　　号：43

期　　号：3

起止页码：888-896

语　　种：中文

收录情况：BDHX、BDHX2017、CAS、CSCD、CSCD2017_2018、EI、IC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：为深入研究煤矿井下串联故障电弧特征及提取方法,分别以电动机和变频器负载为研究对象,开展不同电流条件下的串联型故障电弧实验。采用S变换(ST)对回路电流进行时频域变换,求得S变换矩阵的幅值矩阵作为特征矩阵;对特征矩阵进行奇异分解(SVD),得到矩阵的奇异值;对多组奇异值组成的特征向量进行主元分析(PCA),选取累积贡献率高于95%的主元作为故障识别的特征,实现特征向量的降维;最后采用遗传算法(GA)优化的支持向量机(SVM)算法对故障电弧特征的有效性进行了测试。通过不同负载和工况条件实验,进一步验证了基于上述故障电弧特征的故障电弧识别方法的兼容性,该方法可以有效识别电机及变频器负载回路的串联故障电弧。

关 键 词：故障电弧 S变换 奇异分解  主元分析 遗传算法  支持向量机

分 类 号：TM7]