首页|基于HOG和TSO-SVM的水电机组轴心轨迹智能识别

基于HOG和TSO-SVM的水电机组轴心轨迹智能识别

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
  • 维普
水电机组的轴心轨迹能够反映机组不同的运行状态,为了提高轴心轨迹的识别率,准确判断机组运行状态,本文提出方向梯度直方图(Histogram of Oriented Gradient,HOG)结合由瞬态搜索优化(Transient Search Optimization,TSO)算法优化的支持向量机(Support Vector Machine,SVM)的方法.将轴心轨迹信号经改进小波阈值方法去噪后,生成轴心轨迹图像,之后提取图像HOG特征,经主成分分析(Principal Components Analysis,PCA)降维处理后,利用TSO-SVM对降维后的特征进行分类识别.结果表明所提方法能够很好地识别不同状态的轴心轨迹,具有识别准确率高和识别速度快的特点.
Intelligent Identification of Shaft Orbit of Hydropower Unit based on HOG and TSO-SVM

hydropower unitshaft orbitwavelet threshold denoisingHOG featuresSVMTSO algorithm

李浩博、李辉、李华、袁江锋

展开 >

西安理工大学, 西安710054

国网陕西省电力公司电力科学研究院, 西安710100

华自科技股份有限公司, 长沙410205

水电机组 轴心轨迹 小波阈值去噪 HOG特征 支持向量机 瞬态搜索优化算法

2024

大电机技术
哈尔滨大电机研究所

大电机技术

CSTPCD
影响因子：0.329
ISSN：1000-3983
年,卷(期)：2024.(2)
  • 1
  • 16