| 陆飞.多源数据融合与机器学习算法的电气柜故障诊断[J].电工技术,2025(3):164-166 |
| 多源数据融合与机器学习算法的电气柜故障诊断 |
|
| |
| DOI：10.19768/j.cnki.dgjs.2025.03.040 |
| 中文关键词: 多源数据融合 机器学习 电气柜 故障诊断 |
| 英文关键词: |
| 基金项目: |
|
| 摘要点击次数: 44 |
| 全文下载次数: 0 |
| 中文摘要: |
| 由于现有诊断方法的振动波形幅度普遍较大，呈现多种异常诊断结果，为此研究基于多源数据融合与机器学习算法的电气柜故障诊断。针对数据低能耗采集的需求，根据传感器节点的部署高效收集信息。在提取电气设备的故障信号特征后，对电气柜的故障数据进行特征融合。利用机器学习算法挖掘故障类别，获得节点运行数据之间的关联性，再通过Softmax分类器输出故障诊断结果。实验结果表明，实验组在数据量达到600个样本点时，振动波形振幅突然异常降低，降至-2 mm以下。这一显著变化明确指示了该点存在故障，体现了诊断过程的准确性和有效性。 |
| 英文摘要: |
| |
| 查看全文 查看/发表评论 下载PDF阅读器 |
