Fault Diagnosis in Shipboard Area Power Distribution Systems Based on PSO-SVM-CNN

支持向量机 断层(地质) 计算机科学 电力系统 故障检测与隔离 特征提取 功率(物理) 粒子群优化 模式识别(心理学) 人工智能 机器学习 地质学 物理 执行机构 量子力学 地震学
作者
Huimin Wang,Weifeng Shi
出处
期刊: [Institute of Electrical and Electronics Engineers]
卷期号:: 204-209 被引量:2
标识
DOI:10.1109/ic2ecs60824.2023.10493535
摘要

Shipboard power systems are the core of maritime electrical automation, playing a crucial role in ensuring the normal operation of vessels. Efficient fault diagnosis facilitates rapid localization and judgment of faults, thereby safeguarding the safety of maritime operations. This research uses Simulink to simulate and analyze line faults in shipboard area distribution power systems. The simulation model is constructed to emulate common line faults in the power system. The study employs the Empirical Mode Decomposition (EMD) algorithm and Hilbert-Huang Transform as methods for extracting fault characteristics in shipboard power distribution systems. EMD is utilized to analyze the characteristic quantities of voltage and current fault signals, followed by the extraction of fault features from intrinsic mode functions through the Hilbert-Huang Transform. The extracted fault feature vectors serve as input parameters for a convolutional neural network (CNN) optimized using the particle swarm optimization (PSO) and support vector machine (SVM) to establish a fault diagnosis model. The analysis demonstrates that the PSO-SVM-CNN model significantly enhances the fault diagnosis accuracy of shipboard area power distribution systems, achieving a precision rate of up to 99.5%. This research contributes to advancing the safety and reliability of shipboard electrical systems through effective fault diagnosis methodologies.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
Wang完成签到,获得积分10
刚刚
Byla发布了新的文献求助10
刚刚
xiaxia42完成签到 ,获得积分10
刚刚
libiqing77完成签到,获得积分10
1秒前
Mars完成签到,获得积分10
1秒前
HUBU完成签到,获得积分10
3秒前
3秒前
纳兰嫣然完成签到,获得积分10
3秒前
123完成签到,获得积分10
3秒前
缓慢的甜瓜完成签到,获得积分10
3秒前
尼斯卡完成签到,获得积分10
3秒前
生物科研小白完成签到 ,获得积分10
4秒前
不知道叫啥完成签到 ,获得积分10
4秒前
舒克完成签到 ,获得积分10
4秒前
zisezhaoyan完成签到,获得积分10
4秒前
yy完成签到,获得积分10
5秒前
BBB完成签到,获得积分10
5秒前
酷酷柚子发布了新的文献求助10
5秒前
lvy0688完成签到 ,获得积分10
5秒前
HUangg完成签到,获得积分10
6秒前
6秒前
7秒前
KK发布了新的文献求助10
7秒前
高兴的夜天完成签到,获得积分10
7秒前
qianshu完成签到,获得积分10
8秒前
拿铁加铁完成签到 ,获得积分10
9秒前
Bonlin完成签到,获得积分10
9秒前
efficient发布了新的文献求助30
9秒前
予七完成签到 ,获得积分10
9秒前
苗条的乞完成签到 ,获得积分10
9秒前
比亚迪士尼在逃公主完成签到,获得积分0
10秒前
开心的筮完成签到,获得积分10
10秒前
Janine完成签到,获得积分10
11秒前
要减肥香水完成签到,获得积分10
12秒前
Haru完成签到,获得积分10
13秒前
相信明天会更好完成签到,获得积分10
13秒前
dongdong完成签到 ,获得积分10
14秒前
you完成签到 ,获得积分10
14秒前
Pinky完成签到,获得积分10
14秒前
欢呼的凤妖完成签到 ,获得积分20
15秒前
高分求助中
(应助此贴封号)【重要!!请各用户(尤其是新用户)详细阅读】【科研通的精品贴汇总】 10000
拉伸高分子熔体中缠结行为的模拟和小角中子散射研究 1700
The World Atlas of Wine 9th edition 1000
奈特基础组织学:配套组织病理学(第4版)(Netter's Essential Histology With Correlated Histopathology) 800
John McDowells Bildungstheorie 800
八旗制度の研究 600
plantTFDB 508
热门求助领域 (近24小时)
化学 材料科学 医学 生物 纳米技术 计算机科学 工程类 有机化学 化学工程 生物化学 物理 复合材料 内科学 催化作用 光电子学 人工智能 细胞生物学 无机化学 物理化学 数学
热门帖子
关注 科研通微信公众号,转发送积分 8173445
求助须知:如何正确求助?哪些是违规求助? 9565680
关于积分的说明 21781107
捐赠科研通 7767599
什么是DOI,文献DOI怎么找? 3431593
关于科研通互助平台的介绍 2555855
邀请新用户注册赠送积分活动 2476788