换一批摘要该文探究基于APSO算法的PVA-SVM分类器在高压断路器故障诊断中的应用.以ZW10-40.5 kV真空断路器作为研究对象,收集断路器的分合闸电流数据与动触头运动位移数据,并使用PCA方法进行数据降维处理.将处理后的数据分成训练集与测试集,分别用于不同分类器的训练和测试.从故障诊断的仿真结果看,相比于单一SVM分类器,经过PCA降维后的PCA-SVM分类器、PSO-PCA-SVM分类器和APSO-PCA-SVM分类器,故障诊断准确率均有上升.其中,APSO-PCA-SVM分类器的诊断用时较短,仅为 0.924 s;诊断精度最高,达到 97.12%.
更多相关知识
关键词
支持向量机高压断路器故障分类多源特征优化分类器support vector machinehigh-voltage circuit breakerfault classificationmulti-source feature optimizationclassifier
分类号
R129（环境卫生、环境医学）
栏目名称
DOI
10.19981/j.CN23-1581/G3.2025.34.019
发布时间
2025-12-18（万方平台首次上网日期，不代表论文的发表时间）
- 浏览2
- 被引0
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
