PD模式识别方法

本书阐述了局部放电(PD)产生的机理及其危害，并结合模拟PD模型的实验研究，展示了作者应用人工智能理论方法在PD信号模式识别研究所获得的成果。本书以小波原理、信号分析和数据挖掘技术为基础，以模式识别方法、神经网络理论和智能算法为核心，分别论述了PD信号消噪、特征量提取和特征空间压缩方法，并详细阐明了应用NN方法、模糊原理、混沌理论实现PD信号模式分类的全过程。

第1章绪论1
1.1PD特性与表征1
1.1.1PD源与信号特性2
1.1.2PD信号的模式特征3
1.2模式分类器及其优化5
1.2.1PD模式分类器5
1.2.2全局优化算法6
1.3发展趋势7
1.3.1深度学习与深度神经网络7
1.3.2群智能算法7
参考文献8
第2章模式识别与优化算法10
2.1识别方法10
2.2识别系统10
2.3特征量与特征空间11
2.3.1特征量11
2.3.2特征空间12
2.4特征的可分性12
2.4.1特征可分性测量12
2.4.2类可分性测度14
2.4.3特征子集的选择16
2.4.4很优特征生成18
2.5分类器优化算法20
2.5.1随机梯度法21
2.5.2模拟退火算法21
2.5.3遗传算法22
参考文献23
第3章PD与指纹特征24
3.1诱发PD的理化过程24
3.1.1介质内部局部放电25
3.1.2介质沿面局部放电27
3.1.3电晕放电28
3.2局部放电的危害28
3.3交流电压下的PD表征方法30
3.4局部放电模拟32
3.4.1模型构建与PD信号采集33
3.4.2交流电压下PD统计量的表征35
3.4.3统计分布参数与指纹37
参考文献41
第4章PD信号小波去噪43
4.1PD信号小波变换特征43
4.1.1PD信号表征43
4.1.2PD信号的小波变换特征44
4.2噪声信号及其小波变换特征46
4.3含噪PD信号模型47
4.4模极大值去噪方法48
4.4.1模极大值的确定和信号重构48
4.4.2去噪仿真算例51
4.5去噪快速算法52
4.5.1局部放电信号（函数）多尺度逼近52
4.5.2多次小波变换去噪算法55
4.5.3复合小波变换去噪57
参考文献59
第5章基于BPNN的PD模式识别60
5.1人工神经网络60
5.1.1BPNN算法61
5.1.2改进BPNN算法收敛速度的一些措施66
5.2基于BPNN的PD模式识别算法67
5.2.1局部放电模式特征量68
5.2.2类可分准则68
5.2.3PD模式识别过程69
5.3隐层神经元的影响74
参考文献75
第6章支持向量机的PD模式识别77
6.1支持向量机77
6.1.1线性可分类支持向量机77
6.1.2线性不可分类支持向量机79
6.2PD模拟与特征提取81
6.2.1PD信号采集81
6.2.2PD特征提取84
6.3基于SVM的PD模式识别88
6.3.1核函数选择88
6.3.2SVM参数寻优89
6.3.3权值和阈值90
6.3.4SVM网络结构93
6.3.5识别结果93
6.4相关讨论95
6.4.1特征量的相关系数和类间距离96
6.4.2特征选择97
6.4.3识别结果98
6.4.4SVM与BP识别效果的比较99
参考文献100
第7章基于FCM的PD模式识别102
7.1模糊聚类方法102
7.1.1模糊c均值聚类算法103
7.1.2加权模糊c均值聚类算法107
7.2PD模拟及信号采集109
7.2.1PD模型109
7.2.2PD信号采集110
7.2.3PD信号去噪112
7.3PD信号特征与提取114
7.3.1分形维数特征114
7.3.2PD信号灰度矩特征116
7.4基于模糊聚类PD模式识别118
7.4.1基于FCM算法的PD模式识别118
7.4.2基于WFCM算法的PD模式识别119
7.5结果分析121
参考文献122
第8章基于WNN的PD模式识别124
8.1小波神经网络124
8.1.1正交小波神经网络124
8.1.2正交小波神经网络学习算法125
8.2自适应特征提取小波神经网络127
8.2.1PD信号的小波可分性127
8.2.2自适应特征提取小波神经网络结构130
8.2.3自适应特征提取小波神经网络隐层单元数目的确定131
8.2.4自适应特征提取小波神经网络学习算法133
8.3PD模式识别实验135
8.3.1PD信号采集135
8.3.2统计特征量提取与识别136
8.3.3自适应特征提取与模式识别139
参考文献142
第9章基于混沌理论的PD模式识别143
9.1局部放电信号中的混沌现象143
9.1.1混沌特征143
9.1.2混沌相空间重构144
9.1.3相空间重构参数145
9.2混沌系统表征147
9.2.1Lyapunov指数147
9.2.2分形维数148
9.2.3Kolmogorov熵149
9.3PD混沌特性及其特征量提取150
9.3.1实验模拟的PD信号150
9.3.2PD信号混沌特性151
9.3.3PD混沌特征量及其提取153
9.4基于混沌特征的PD模式识别160
9.4.1BP神经网络设计161
9.4.2识别结果162
9.4.3基于指纹图谱特征的PD模式识别164
9.4.4特征量综合识别结果165
参考文献166
第10章基于PSO优化的PD模式识别168
10.1反向传播神经网络168
10.1.1BPNN学习与优化168
10.1.2神经网络泛化能力169
10.2PSO优化的神经网络170
10.2.1粒子群算法171
10.2.2PSO优化算法172
10.3PD特征空间降维174
10.3.1PCA降维算法174
10.3.2PCA降维计算步骤176
10.4基于PSOBP的PD模式识别177
10.4.1PD信号模式预处理177
10.4.2误差分析方法177
10.4.3PD识别结果178
10.4.4隐层元数量的影响179
参考文献184
附录185