留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于小波分析和神经网络的井下电缆故障测距方法

田书 赵敏

田书, 赵敏. 基于小波分析和神经网络的井下电缆故障测距方法[J]. 工矿自动化, 2012, 38(4): 30-34.
引用本文: 田书, 赵敏. 基于小波分析和神经网络的井下电缆故障测距方法[J]. 工矿自动化, 2012, 38(4): 30-34.
TIAN Shu, ZHAO Mi. Fault Location Method of Underground Cable Based on Wavelet Analysis and Neural Network[J]. Industry and Mine Automation, 2012, 38(4): 30-34.
Citation: TIAN Shu, ZHAO Mi. Fault Location Method of Underground Cable Based on Wavelet Analysis and Neural Network[J]. Industry and Mine Automation, 2012, 38(4): 30-34.

基于小波分析和神经网络的井下电缆故障测距方法

详细信息
  • 中图分类号: TD611

Fault Location Method of Underground Cable Based on Wavelet Analysis and Neural Network

  • 摘要: 针对现有的井下电缆故障测距方法存在可靠性差、精度低的问题,介绍了一种基于小波分析理论和神经网络的井下电缆故障测距方法,并比较了BP神经网络和RBF神经网络用于该方法的测距性能。该故障测距方法采用3次B样条半正交小波对暂态零序电流信号进行小波变换,得到特定频带内的暂态零序电流模极大值,并将该模极大值作为神经网络的输入信号,根据模极大值与故障点位置的映射关系实现故障定位。仿真结果表明,该故障测距方法能够较好地进行井下电缆故障测距,且RBF神经网络的测距误差及训练速度均优于BP神经网络。

     

  • 加载中
计量
  • 文章访问数:  31
  • HTML全文浏览量:  6
  • PDF下载量:  6
  • 被引次数: 0
出版历程
  • 刊出日期:  2012-04-10

目录

    /

    返回文章
    返回