• 设为首页
  • 加入收藏
  • 联系邮箱
  • 网站首页
  • 期刊介绍
    • 期刊简介
    • 社长及主编
    • 期刊荣誉
  • 编委会
    • 主任委员
    • 编委名单
  • 投稿指南
    • 作者须知
    • 投稿步骤
    • 范文(规范细则)
    • 稿件处理流程
    • 著作权转让协议
  • 期刊影响力
  • 开放获取
  • 出版道德政策
    • 出版伦理声明
    • 学术不端认定和处理方法
    • 广告及市场推广
    • 同行评议流程
    • 斟误和撤回
    • 回避制度
    • 文章署名及版权转让
  • 历年目次
  • 联系我们
  • English
站内检索    
 
张祥珂,王雅静,窦震海,白云鹏,王玮.基于自适应VMD和优化DFNN的剩余电流识别[J].电测与仪表,2025,62(3):190-197.
ZHANG Xiangke,WANG Yajing,DOUZhenhai,BAI Yunpeng,WANG Wei.Residual current recognition based on adaptive VMD and optimized DFNN[J].Electrical Measurement & Instrumentation,2025,62(3):190-197.
基于自适应VMD和优化DFNN的剩余电流识别
Residual current recognition based on adaptive VMD and optimized DFNN
DOI:10.19753/j.issn1001-1390.2025.03.023
中文关键词:  剩余电流  动态模糊神经网络  变分模态分解  故障识别
英文关键词:residual current, dynamic fuzzy neural network, variational mode decomposition, fault recognition
基金项目:国家自然科学基金资助项目(52077221) ,山东省自然科学基金项目(ZR2020MF124)
              
作者中文名作者英文名单位
张祥珂ZHANG Xiangke山东理工大学 电气与电子工程学院,山东 淄博 255000
王雅静WANG Yajing山东理工大学 电气与电子工程学院,山东 淄博 255000
窦震海DOUZhenhai山东理工大学 电气与电子工程学院,山东 淄博 255000
白云鹏BAI Yunpeng山东理工大学 电气与电子工程学院,山东 淄博 255000
王玮WANG Wei山东理工大学 电气与电子工程学院,山东 淄博 255000
摘要点击次数: 308
中文摘要:
      为实现剩余电流装置(residual current device, RCD)快速故障识别,提高用电安全性,提出一种基于自适应变分模态分解(adaptive variational modal decomposition, AVMD)和优化动态模糊神经网络(dynamic fuzzy neural network, DFNN)的故障剩余电流识别方法(AVMD-DFNN)。通过经验模态分解法自适应确定VMD的分解参数,实现剩余电流信号的降噪。提取剩余电流信号的特征参数,经降维处理后作为DFNN识别剩余电流的分类指标。通过最小输出法优化DFNN,去除冗余模糊规则函数,从而实现RCD快速故障识别。仿真结果表明,AVMD-DFNN具有较高的识别准确率和速度,为研制新型自适应剩余电流装置提供了理论参考。
英文摘要:
      In order to realize rapid fault recognition of residual current device (RCD) and improve power safety, a fault residual current recognition method (AVMD-DFNN) based on adaptive variational modal decomposition (AVMD) and optimal dynamic fuzzy neural network (DFNN) is proposed. The decomposition parameters of VMD are determined adaptively by empirical mode decomposition (EMD) to realize the de-noising of the residual current signal. The characteristic parameters of residual current signal are extracted and used as the classification index of DFNN to recognize the type of residual current fault after the dimensionality reduction process. The DFNN is optimized by the minimum output method to remove the redundant fuzzy rule functions, so as to realize the rapid fault recognition of RCD. The simulation results show that AVMD-DFNN has high recognition accuracy and speed, which provides a theoretical reference for the development of new adaptive residual current devices.
查看全文  查看/发表评论  下载PDF阅读器
关闭
  • 哈尔滨电工仪表研究所有限公司
  • 中国电工仪器仪表信息网
  • 中国仪器仪表学会
  • 中华人民共和国新闻出版总署
  • 中国科技期刊编辑学会
  • 黑龙江省科学技术协会
  • 编辑之家
  • 中国知网
  • 万方数据库
  • 维普网
  • 北极星电力网
  • 中华中控网
  • 网站首页
  • 期刊介绍
    • 期刊简介
    • 社长及主编
    • 期刊荣誉
  • 编委会
    • 主任委员
    • 编委名单
  • 投稿指南
    • 作者须知
    • 投稿步骤
    • 范文(规范细则)
    • 稿件处理流程
    • 著作权转让协议
  • 期刊影响力
  • 开放获取
  • 出版道德政策
    • 出版伦理声明
    • 学术不端认定和处理方法
    • 广告及市场推广
    • 同行评议流程
    • 斟误和撤回
    • 回避制度
    • 文章署名及版权转让
  • 历年目次
  • 联系我们
地址:哈尔滨市松北区创新路2000号    邮编:150028
邮箱:dcyb@vip.163.com    电话:0451-86611021;87186023
© 2012 电测与仪表    哈公网监备2301003445号
黑ICP备11006624号-1
技术支持:北京勤云科技发展有限公司