基于相關(guān)性和類間差異度的放電聲信號(hào)特征量選擇與降維

獲得信號(hào)特征頻帶及其對(duì)應(yīng)的離散小波重構(gòu)時(shí)域分量，提取不同類型放電聲信號(hào)的多維時(shí)域特征；然FeatureSelectionandDimensionalityReducti(1.SchoolofAutomationandElectricalEngineeElectricPowerResearchInstitute,Lanzhou730070,China;3.CollegeofElectricalandIAbstract：Inordertoaccuratelyandefficientlydiagnosetheeffectivedimensionalityreductionofmulti-dimensionalfeatures,afeaturbasedoncorrelationandbetween-classdiffereforanalogdischargeisbuilt.Thecrosswavelettransformisusedtoanalyzenal,toobtainthesignalcharacteristicfrequencycomponents,andtoextractthemulti-dimensionalfeaturesintimedomainofdifferenttypesoThen,thePearsoncorrelatibetween-classdifferenceandwithin-classdifference,thefeataccuracyofparameteroptimizedsupportvectormachine(SVM)istakecomparedwiththetraditionaldimensionalityreductionalgorithm,andtheinfluenceofdifferenmethodisexplored.Theresultsshowthat,comparedwiththetraditionaldimensionamethodinthispaperretainstheoriginalfeatureattributesceeds96%,whichprovidesaneffectivecriterionforreduction;dischargetype基金資助項(xiàng)目：蘭州交通大學(xué)天佑創(chuàng)新團(tuán)隊(duì)(TY202010)；國網(wǎng)甘肅省電rojectsupportedbyTianyouInnovationTeamSciencedGansuElectricPowerResearchInstitute(522722馬建橋，楊廣澤，曹盤盤，等：基于相關(guān)性和類間差異度的放電聲信號(hào)特征量選擇與降維1在網(wǎng)電氣設(shè)備的可靠運(yùn)行是保證電力系統(tǒng)安聲音信號(hào)中蘊(yùn)含豐富的電力設(shè)備運(yùn)行狀態(tài)信特征量的分類效果。文獻(xiàn)[16]從時(shí)域、頻域、信息之間的相關(guān)性問題。文獻(xiàn)[18]研究了同類和異類分類特征的可比性和相關(guān)性，利用線性判別分析法analysis，PCA)對(duì)信號(hào)的多尺度熵特征向量進(jìn)行降為了在保留原始數(shù)據(jù)特征屬性的基礎(chǔ)上更好對(duì)模擬放電可聽聲信號(hào)的多維特征量進(jìn)行降維選電可聽聲信號(hào)；利用交叉小波變換(crosswaveletDWT)分解并重構(gòu)該頻帶對(duì)應(yīng)的時(shí)域分量，提取不交叉小波變換是在連續(xù)小波變換理論基礎(chǔ)上時(shí)域信號(hào)x(t)的連續(xù)小波變換定義為x(t)ψ*()dt(1)對(duì)于信號(hào)x(t)和y(t)，兩者之間的交叉小波變(a,τ)=W(a,τ)W(a,τ)(2) 兩信號(hào)x(t)和y(t)的相關(guān)性越強(qiáng)。采樣頻率fs的關(guān)系為經(jīng)式(3)可實(shí)現(xiàn)交叉小波譜圖中信號(hào)頻率與尺xp=xmax?xxp=xmax?xminσ=(xi?μσ=(xi?μ)2nxinxiXrms=ε1(xi?μ)2nn1(xi?μ)4K=i=n((xi?μ)2)2n1(xi?μ)3nγ=((xi?μ)2Xkf=arvka=skb=xk=pi=1A表示為?x11?A=?x21?M??xm1x12xMxx?2n??…xmn?i,jρxi,jcov(xi,xj)σσxxixx=E(xi?μxi)(xj?μxj)σσxxixxrMrn2r相關(guān)性；依據(jù)實(shí)際情況和統(tǒng)計(jì)思想，若某一列中馬建橋，楊廣澤，曹盤盤，等：基于相關(guān)性和類間差異度的放電聲信號(hào)特征量選擇與降維1分別計(jì)算相關(guān)特征集和獨(dú)立特征集內(nèi)每個(gè)特樣本矩陣X，X={xj}，每個(gè)樣本xj屬于一個(gè)類b=P(i)(mi-m0)(mi-m0)wi-xk)2xk=類i）(7)特征下樣本的類間差異度值Sb1—Sbn和類內(nèi)離散度空氣介質(zhì)中的放電比油介質(zhì)中的更強(qiáng)烈且持模擬常見絕緣缺陷的形態(tài)結(jié)構(gòu)和產(chǎn)生的不均勻電Fig.1DimensionalityreductionselectioFig.2Schematicdiagramofsi Fig.3Designdrawingsofthreedischarge針尖角度為30°,沿面模型高壓端柱電極直徑和高mm。若高壓端電極到紙板的距離太小，絕緣強(qiáng)度222222相位差為0°,逆時(shí)針轉(zhuǎn)動(dòng)相位差逐漸變大。在一定程度上規(guī)避了其他低相關(guān)性頻段的噪聲干為沿面放電類型，x73—x144為氣隙放電類型，對(duì)A8時(shí)域特征提取結(jié)果進(jìn)行Z-SCORE標(biāo)準(zhǔn)化馬建橋，楊廣澤，曹盤盤，等：基于相關(guān)性和類間差異度的放電聲信號(hào)特征量選擇與降維Fig.4Crosswaveletspectraofthreekindsofdischargeacous-處理，將不同量級(jí)的數(shù)據(jù)轉(zhuǎn)化為統(tǒng)一量度的?x=x??x=σ182934567Fig.5A8waveletreconsF1F2…F13F14x1…x2…x3…MMMMMx214…–0.63270x215–1.24771…–0.31071–0.40001x216…–0.20779 Fig.6Correlationc基于類間距離的差異性判據(jù)目前應(yīng)用較為廣準(zhǔn)，總類內(nèi)離散度作為輔助參考標(biāo)準(zhǔn)。如圖8、9Fig.8EachfeaturesortedaccordinFig.9Eachfeaturesortedac馬建橋，楊廣澤，曹盤盤，等：基于相關(guān)性和類間差異度的放電聲信號(hào)特征量選擇與降維1201將待選特征集中的特征量按照總類間差異度識(shí)別準(zhǔn)確率提高不足2%，甚至出現(xiàn)下降趨勢(shì)。根強(qiáng)的待選特征集內(nèi)選擇類間差異度較小的平均值為進(jìn)一步驗(yàn)證本文特征提取與降維方法的實(shí)利用本文交叉小波變換(CWT)和離散小波變換分析(PCA)、線性判別分析(LDA)和核主成分分析(KPCA)等傳統(tǒng)降維方法與本文方法進(jìn)行對(duì)比；同123Fig.10ThevariationcurveofaccuracywithdimensionoftTable6Comprehensive1F72F7,F83F7,F8,F51F32F3,F123F3,F12,F131F112F11,F73F11,F7,F10數(shù)尋優(yōu)采用交叉驗(yàn)證法；BP神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)率 Fig.11Thevariationcurveofaccuracyofvariousdimensio不可分?jǐn)?shù)據(jù)，對(duì)于本文數(shù)據(jù)的降維識(shí)別效果遜于1）局部放電檢測(cè)能為電氣設(shè)備故障診斷提供馬建橋，楊廣澤，曹盤盤，等：基于相關(guān)性和類間差異度的放電聲信號(hào)特征量選擇與降維無Table9Comprehensive12345673）相對(duì)通過映射獲得抽象數(shù)據(jù)的傳統(tǒng)降維方以上信噪比的運(yùn)行環(huán)境干擾對(duì)本文方法的影響較部放電模式識(shí)別特征提取方法[J].高電壓技術(shù)，2021，47(1)：CHENJiming,XUCh瓷懸式絕緣子放電嚴(yán)重程度評(píng)估[J].高電壓技術(shù)，2021，47(2)：關(guān)電場(chǎng)分布與閃絡(luò)特性的影響[J].高電壓技術(shù)，2017，43(10)：MAJianqiao,LüFangcheng,WANGFochi,etal.Influenceofboltin-rProceedingsoftheCSEE,2021,41(21):7529-7539.tionofonloadtapchanreductionforfastback-propagationforrecognition[C]//2015Inte contactor[J].TransactionsofChinaZHANGRuiqi.Researchontransformerfaultdiagnonacousticsignal[D].Wuhan,China:HKUANGJing.FaultdiagchargesignalsburiedinexcessivformerbasedonSVMclassificationofvibroperatingmechanismforcircuitbreakerbasedonmultiplesignalfea-forpartialdischargebaseZHAOLihua,ZHANGZhendong,ZHANGJmethodsfortransformerfaatingoperatingconditions[的斷路器機(jī)械故障診斷方法[J].高電壓技術(shù)，2022，48(3)：agnosismethodofcircuitbreakerbasedonblindsourcesNSVDDUnderNoisyBodsbasedonm