导读:本文包含了放电模式论文开题报告文献综述及选题提纲参考文献，主要关键词:随机森林,CART算法,变压器,局部放电
放电模式论文文献综述
王仕俊,平常,薛国斌[1]（2019）在《基于随机森林的变压器局部放电模式识别》一文中研究指出针对目前在局部放电模式识别领域中常用的分类器算法的缺陷,本文研究随机森林(random forest,RF)算法在局部电放模式识别领域的应用。首先对局部放电试验数据提取统计特征量,构建放电的学习样本。利用十折法对算法分类性能进行评判,并比较常见分类算法BP神经网络、支持向量机(support vector machine,SVM))、KNN、分类回归树算法(classification and regression tree,CART)以及RF算法的识别准确率。结果表明:利用RF算法构建放电模式分类器的识别准确率最高。此外,利用组成RF的基分类算法CART可分析不同放电模式间的主要区别。(本文来源于《科技通报》期刊2019年11期）
何寿杰,包慧玲,哈静,赵凯悦,渠宇霄[2]（2019）在《空气中空心阴极不同放电模式下的发光特性》一文中研究指出为了进一步揭示空心阴极放电中放电模式的转换机制,特别是空心阴极放电过程中自脉冲的形成机理,利用柱型空心阴极放电结构,在空气环境下研究了放电处于不同模式时的发光特性。测量得到了不同放电模式下的伏安特性曲线、放电发光图像、自脉冲阶段的脉冲波形等。实验结果表明随着放电电流的增加放电分为汤生放电模式、自脉冲放电模式、正常辉光放电模式和反常辉光放电模式。虽然所用电源为直流电源,但在自脉冲放电阶段电流和电压随时间呈周期性变化。实验结果表明在不同的放电模式下具有不同的发光特性。在由汤生放电转换为自脉冲放电模式和由自脉冲模式转换为正常辉光放电模式过程中,放电腔的径向中心处和轴向孔口附近均存在光强的突变。实验同时在200～700 nm范围内测量得到了不同电流时的发射光谱。结果表明发射光谱主要集中在330～450 nm,主要包括氮分子的第二正带系(C~3Π_u→B~3Π_g)和氮分子离子的第一负带系(B~2Σ~+_u→X~2Σ~+_g)。其中氮分子离子第一负带系具有较强的发射光谱。由于B~2Σ~+_u激发电位较高,因此该谱带较强发射光谱的存在表明空心阴极放电较其他放电形式更容易获得高激发态粒子和高能量电子。在650～700 nm附近存在一弱的发光谱带,主要为氮分子的第一正带发射谱(B~3Π_g→A~3Σ~+_u)。在此基础上根据双原子光谱发射理论,结合氮分子第二正带系的叁组顺序组带:Δν=-1,-2和-3,利用玻尔兹曼斜率法计算得到了不同放电模式下氮气的分子振动温度。结果表明在实验电流范围内分子振动温度在3 300 K左右,随着电流的增加而升高,并且在自脉冲消失时存在一突变迅速增强。由于电子能量、电子密度与分子振动温度密切相关,因此该结果也表明随着放电电流的增加电子平均能量和电子密度不断增加,当脉冲消失时,电子平均能量和电子密度出现跃变升高。最后,对空心阴极放电中自脉冲的形成机理进行了讨论,结果表明自脉冲放电源于放电模式的转换。(本文来源于《光谱学与光谱分析》期刊2019年11期）
潘志新,刘利国,钱程,王震,袁栋[3]（2019）在《基于融合极限学习机的局部放电模式识别》一文中研究指出局部放电(PD)是配电设备绝缘故障早期的主要表现形式,放电类型的模式识别对于设备绝缘性能的判定具有重要意义。考虑到极限学习机(ELM)法结构简单、训练速度快,但初始参数选取随机性大,算法稳定性不够的特点,提出一种基于融合ELM算法的PD模式识别方法,综合考虑不同特征判断准确率的差异,采用自适应权值分配对子分类器输出结果实现决策级融合。文中设计了4种放电物理模型来模拟典型的设备绝缘缺陷,采用高频电流法对PD信号波形和相位-幅值谱图(PRPD)进行采集,获得足够样本的实验数据,提取时频域及统计特征值进行分类。结果表明融合ELM算法在保证训练速度的同时,在识别正确率和稳定性上均优于传统ELM算法和反向传播(BP)神经网络。(本文来源于《电力工程技术》期刊2019年05期）
毛振宇,李方利,叶玉明,王朋朋,袁秋实[4]（2019）在《基于BP神经网络算法的电缆局部放电类型模式识别》一文中研究指出利用计算机技术的模式识别已被运用到了局部放电分析领域。与人工识别相比,其识别结果准确,识别速度快,有很大的发展潜力。现研究了基于BP神经网络算法的电缆局部放电模式识别技术,简述了模式识别的原理,重点研究了BP神经网络的结构及算法,并利用BP神经网络对电缆典型绝缘缺陷局部放电类型进行模式识别。(本文来源于《机电信息》期刊2019年27期）
陈忠华,王才倩,陈嘉敏,蔡传高,薛花[5]（2019）在《V2G模式下的电动汽车有序充放电控制模型研究》一文中研究指出以变压器容量和电动汽车电池限制作为约束条件,以电动汽车用户充放电成本最低和电网负荷方差最小作为目标函数,构建了电动汽车在V2G(车辆到电网)模式下的充放电控制模型,分别制定电动汽车无序充电、基于分时电价的无序充电和电动汽车优化充电模型,在比较分析的基础上,提出V2G模式下的电动汽车有序充放电控制模型的设计方法。基于Lingo软件完成仿真验证,仿真结果表明:与其它3种充电模型相比,所提出的控制模型可进一步起到减少用户充放电费用和减小电网负荷方差的作用。(本文来源于《浙江电力》期刊2019年08期）
I.FARIAS,L.OLMOS,O.JIMéNEZ,M.FLORES,A.BRAEM[6]（2019）在《放电等离子烧结添加TiC开孔钛基复合材料的磨损模式（英文）》一文中研究指出采用放电等离子烧结法制备具有开孔隙的钛基复合材料(TMCs),研究添加TiC增强颗粒对材料摩擦性能的影响。材料中含有同等摩尔比的Ti和TiH_2以及不同体积分数的TiC(0、3%、10%和30%),烧结温度为850℃。采用纳米压痕和磨损试验评估材料的纳米硬度和耐磨性能,摩擦试验采用球-平面接触往复滑动模式。结果显示,随着TiC含量的增加,材料的纳米硬度从5 GPa增加到14 GPa。当TiC含量为10%时,材料的摩擦因数最低(0.2),磨损率也最低。当TiC含量较低时,样品发生粘着磨损,并伴随严重的塑性变形;当TiC含量适中时,样品表面形成机械混合层(MML);当TiC含量较高时,样品的主要磨损机制为磨粒磨损。总之,随着TiC含量的变化,材料的磨损机制、摩擦因数和磨损量也随之变化。(本文来源于《Transactions of Nonferrous Metals Society of China》期刊2019年08期）
程元芬,刘深泉[7]（2019）在《哺乳动物皮层神经元模型的放电模式研究》一文中研究指出针对一类叁维哺乳动物新皮层神经元模型进行分析。该模型是结合Wilson模型和Hindmarsh-Rose模型而建立的,得到的快变量遵守欧姆定律。快慢动力学对时间尺度相差很大的系统的分析是非常有效的,因此本研究使用快慢动力学方法,并结合理论计算和数值模拟来探究该模型的动力学行为。首先,随着系统控制参数的改变,发现了3类簇放电模式;然后,计算一阶Lyapunov系数,以此确定Hopf分岔是超临界或次临界的;最后,将模型与经典的Morris-Lecar模型耦合,分析并讨论了耦合强度及外界交流刺激对耦合系统的影响。(本文来源于《中国医学物理学杂志》期刊2019年07期）
章坚[8]（2019）在《基于灰度图中心矩与概率神经网络分类器的局部放电模式识别》一文中研究指出为了提高局部放电的识别率与速度,本文将矩特征与概率神经网络相结合应用于局部放电模式识别,采集了开关柜四种缺陷放电类型。通过每种放电类型的叁维谱图谱图获取矩特征。将得到的矩特征输入概率神经网络(PNN)进行分类识别。并分别与统计特征输入PNN、矩特征输入BP、HMM(隐马尔科夫模型)、贝叶斯分类器进行了比较。实验结果表明,基于矩特征与概率神经网路相结合对开关柜缺陷类型的分类效果令人满意。(本文来源于《通讯世界》期刊2019年07期）
张梦成,迟长春[9]（2019）在《开关柜局部放电模式识别》一文中研究指出针对高压开关柜局部放电模式分类中样本数较少,常规的分类方法识别率较低,提出了一种基于改进果蝇算法(FOA)优化的概率神经网络模型(PNN)的局部放电模式识别方法。作为一种新型的群体搜索随机优化算法,FOA算法具有原理简单、参数少,收敛快等优点。实验采集的局部放电信号进行处理并归一化,作为FOA-PNN神经网络的输入样本进行识别,并与传统算法进行比较。仿真实验证明:该算法可以有效地运用到局部放电模式识别中,为开关柜局部放电诊断供了一条新途径,具有良好的研究价值和发展前景。(本文来源于《上海电机学院学报》期刊2019年03期）
房涛,范影乐,王辉阳,武薇[10]（2019）在《神经元放电模式同步的UKF-RBF-PID控制策略研究》一文中研究指出目的针对具有参数时变、强耦合以及非线性等复杂特性的神经系统,提出了一种神经元放电模式同步的UKF-RBF-PID控制策略。方法首先考虑到神经元膜上离子运动的随机性以及测量的干扰性,提出一种基于UKF(unscented Kalman filter)的神经元滤波方法,应用采样点集迭代过程实现更高的滤波估计精度;其次定义Jacobian阵表示计算值对激励变化的灵敏度信息,利用RBF(radial basis function)神经网络构建从神经元的在线辨识模型;最后设计了PID(proportion integration differentiation)控制器参数动态调整的规则,给出了参数调整的梯度下降法,经迭代实现从神经元和主神经元放电模式的同步。结果针对主从神经元脉冲发放状态的规则性差异情况,以及主从神经元模型参数不匹配的情形,分别进行了相应的仿真计算实验。主神经元为周期状态,从神经元为混沌状态,系统相位相关度0.9996,同步误差0.3907,主从神经元呈现较好的跟随状态;主从神经元均为初始状态不一致的周期类型,系统相位相关度0.9994,同步方差处于合理水平,主从神经元呈现较好的跟随状态;主、从神经元均为初始状态一致的周期类型,其中主神经元为标准参数,从神经元参数失配,系统相位相关度0.9996,有噪声干扰时,神经元间同步方差可接受。结论在噪声的干扰下,主从神经元实现了神经元间的同步,证明了本文提出方法的有效性,有望应用到深部脑刺激治疗方案中。(本文来源于《航天医学与医学工程》期刊2019年03期）
放电模式论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
为了进一步揭示空心阴极放电中放电模式的转换机制,特别是空心阴极放电过程中自脉冲的形成机理,利用柱型空心阴极放电结构,在空气环境下研究了放电处于不同模式时的发光特性。测量得到了不同放电模式下的伏安特性曲线、放电发光图像、自脉冲阶段的脉冲波形等。实验结果表明随着放电电流的增加放电分为汤生放电模式、自脉冲放电模式、正常辉光放电模式和反常辉光放电模式。虽然所用电源为直流电源,但在自脉冲放电阶段电流和电压随时间呈周期性变化。实验结果表明在不同的放电模式下具有不同的发光特性。在由汤生放电转换为自脉冲放电模式和由自脉冲模式转换为正常辉光放电模式过程中,放电腔的径向中心处和轴向孔口附近均存在光强的突变。实验同时在200～700 nm范围内测量得到了不同电流时的发射光谱。结果表明发射光谱主要集中在330～450 nm,主要包括氮分子的第二正带系(C~3Π_u→B~3Π_g)和氮分子离子的第一负带系(B~2Σ~+_u→X~2Σ~+_g)。其中氮分子离子第一负带系具有较强的发射光谱。由于B~2Σ~+_u激发电位较高,因此该谱带较强发射光谱的存在表明空心阴极放电较其他放电形式更容易获得高激发态粒子和高能量电子。在650～700 nm附近存在一弱的发光谱带,主要为氮分子的第一正带发射谱(B~3Π_g→A~3Σ~+_u)。在此基础上根据双原子光谱发射理论,结合氮分子第二正带系的叁组顺序组带:Δν=-1,-2和-3,利用玻尔兹曼斜率法计算得到了不同放电模式下氮气的分子振动温度。结果表明在实验电流范围内分子振动温度在3 300 K左右,随着电流的增加而升高,并且在自脉冲消失时存在一突变迅速增强。由于电子能量、电子密度与分子振动温度密切相关,因此该结果也表明随着放电电流的增加电子平均能量和电子密度不断增加,当脉冲消失时,电子平均能量和电子密度出现跃变升高。最后,对空心阴极放电中自脉冲的形成机理进行了讨论,结果表明自脉冲放电源于放电模式的转换。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
放电模式论文参考文献
[1].王仕俊,平常,薛国斌.基于随机森林的变压器局部放电模式识别[J].科技通报.2019
[2].何寿杰,包慧玲,哈静,赵凯悦,渠宇霄.空气中空心阴极不同放电模式下的发光特性[J].光谱学与光谱分析.2019
[3].潘志新,刘利国,钱程,王震,袁栋.基于融合极限学习机的局部放电模式识别[J].电力工程技术.2019
[4].毛振宇,李方利,叶玉明,王朋朋,袁秋实.基于BP神经网络算法的电缆局部放电类型模式识别[J].机电信息.2019
[5].陈忠华,王才倩,陈嘉敏,蔡传高,薛花.V2G模式下的电动汽车有序充放电控制模型研究[J].浙江电力.2019
[6].I.FARIAS,L.OLMOS,O.JIMéNEZ,M.FLORES,A.BRAEM.放电等离子烧结添加TiC开孔钛基复合材料的磨损模式（英文）[J].TransactionsofNonferrousMetalsSocietyofChina.2019
[7].程元芬,刘深泉.哺乳动物皮层神经元模型的放电模式研究[J].中国医学物理学杂志.2019
[8].章坚.基于灰度图中心矩与概率神经网络分类器的局部放电模式识别[J].通讯世界.2019
[9].张梦成,迟长春.开关柜局部放电模式识别[J].上海电机学院学报.2019
[10].房涛,范影乐,王辉阳,武薇.神经元放电模式同步的UKF-RBF-PID控制策略研究[J].航天医学与医学工程.2019