- 文本
- 历史
To improve adaptability, feature re
To improve adaptability, feature resolution and identification accuracy when diagnosing mechanical faults in an OLTC,a method combined EEMD,VolterraModelandDecision Acyclic Graph Support Vector Machine (DAG-SVM) was proposed. In this paper, the Volterra model for chaotic timeserieswasfirstlyappliedtoOLTCfaultdiagnosis,which could efficiently process non-stationary signals. Based on this, a new feature extraction method combining EEMD and Volterra model was proposed, which has high adaptability and feature resolution. Moreover, The DAG-SVM multiclassification model was applied to identify OLTC mechanical faults, which could realize the pattern recognition and automatic division of various mechanical faults of OLTC. Finally, an OLTC mechanical fault test platform was built, which could simulate some typical mechanical faults, such as loosening of moving contacts, lessening of transition contact and motor jam. Based on test platform, the new OLTC mechanical fault diagnosis method was verified by experiments.
0/5000
要在有载调压，EEMD相结合的方法诊断机械故障时，为了提高适应性，功能分辨率和identi网络阳离子准确性，VolterraModelandDecision无环图支持向量机（DAG-SVM）中提出的。在本文中，Volterra模型混沌timeserieswas音响rstlyappliedtoOLTCfaultdiagnosis，这可能EF音响ciently处理非稳定信号。在此基础上，一个新的特征提取方法相结合EEMD和Volterra模型，提出了一种具有高适应性和功能的分辨率。此外，DAG-SVM multiclassi音响阳离子模型应用于识别OLTC机械故障，这可能实现OLTC的各种机械故障的模式识别和自动划分。最后，有载调压开关的机械故障测试平台的建成，它可以模拟一些典型的机械故障，如松开动触头，过渡接触和马达果酱的减轻。基于测试平台，新的OLTC机械故障诊断方法是通过实验VERI音响编辑。
正在翻译中..
为了提高OLTC中机械故障诊断的适应性、特征分辨率和识别精度，提出了一种将EEMD、VolterraModel和决策无环图支持向量机（DAG-SVM）相结合的方法。本文首先应用了混沌时间序列的Volterra模型，该模型可以有效地处理非静止信号。在此基础上，提出了一种将EEMD和Volterra模型相结合的新型特征提取方法，具有较高的适应性和特征分辨率。此外，还应用了DAG-SVM多分类模型来识别OLTC机械故障，实现了OLTC各种机械故障的模式识别和自动划分。最后，构建了OLTC机械故障测试平台，可以模拟一些典型的机械故障，如移动触点松动、过渡接触减少和电机堵塞。基于测试平台，验证了新的OLTC机械故障诊断方法。
正在翻译中..
为提高OLTC机械故障诊断的适应性、特征分辨率和识别精度，提出了EEMD、volterramodel和决策无环图支持向量机（DAG-SVM）相结合的方法。本文将混沌时间序列的Volterra模型应用于刀具故障诊断，可以有效地处理非平稳信号。在此基础上，提出了一种结合EEMD和Volterra模型的特征提取方法，该方法具有较高的适应性和特征分辨率。应用DAG-SVM多分类模型对有载调压变压器的机械故障进行识别，实现了有载调压变压器各种机械故障的模式识别和自动划分。最后，搭建了一个OLTC机械故障测试平台，可以模拟一些典型的机械故障，如动触头松动、过渡触头减少、电机卡涩等。基于测试平台，通过实验验证了新的有载调压变压器机械故障诊断方法。
正在翻译中..
其它语言
本翻译工具支持: 世界语, 丹麦语, 乌克兰语, 乌兹别克语, 乌尔都语, 亚美尼亚语, 伊博语, 俄语, 保加利亚语, 信德语, 修纳语, 僧伽罗语, 克林贡语, 克罗地亚语, 冰岛语, 加利西亚语, 加泰罗尼亚语, 匈牙利语, 南非祖鲁语, 南非科萨语, 卡纳达语, 卢旺达语, 卢森堡语, 印地语, 印尼巽他语, 印尼爪哇语, 印尼语, 古吉拉特语, 吉尔吉斯语, 哈萨克语, 土库曼语, 土耳其语, 塔吉克语, 塞尔维亚语, 塞索托语, 夏威夷语, 奥利亚语, 威尔士语, 孟加拉语, 宿务语, 尼泊尔语, 巴斯克语, 布尔语(南非荷兰语), 希伯来语, 希腊语, 库尔德语, 弗里西语, 德语, 意大利语, 意第绪语, 拉丁语, 拉脱维亚语, 挪威语, 捷克语, 斯洛伐克语, 斯洛文尼亚语, 斯瓦希里语, 旁遮普语, 日语, 普什图语, 格鲁吉亚语, 毛利语, 法语, 波兰语, 波斯尼亚语, 波斯语, 泰卢固语, 泰米尔语, 泰语, 海地克里奥尔语, 爱尔兰语, 爱沙尼亚语, 瑞典语, 白俄罗斯语, 科西嘉语, 立陶宛语, 简体中文, 索马里语, 繁体中文, 约鲁巴语, 维吾尔语, 缅甸语, 罗马尼亚语, 老挝语, 自动识别, 芬兰语, 苏格兰盖尔语, 苗语, 英语, 荷兰语, 菲律宾语, 萨摩亚语, 葡萄牙语, 蒙古语, 西班牙语, 豪萨语, 越南语, 阿塞拜疆语, 阿姆哈拉语, 阿尔巴尼亚语, 阿拉伯语, 鞑靼语, 韩语, 马其顿语, 马尔加什语, 马拉地语, 马拉雅拉姆语, 马来语, 马耳他语, 高棉语, 齐切瓦语, 等语言的翻译.
