基于变量预测-谷本相似度方法的局部放电中未知类型信号识别

摘要

针对局部放电中可能出现新的不属于已知放电类型的未知样本,提出一种基于变量预测-谷本相似度(VPM-Tanimoto similarity)的未知类型信号识别方法.构建梯度谱图实现未知信号的表达,并使用两个指标来对样本分区域过滤以分离出未知类.首先,构建?-Δ?、?-Δu、?-Δqmax、?-Δn梯度模式和?-n谱图模式并提取特征.其次,对各已知类放电建立相应的VPM模型组并预测样本的特征向量.再次,计算样本和各已知类放电的Tanimoto相似度,获得与样本最匹配的已知类别.然后,计算识别结果的可靠率(IDAR)并划分可靠率空间,不同的区域有不同的判定方法.最后,利用Tanimoto相似度和各区域的IDAR对所有信号进行双重过滤以判定并分离出未知样本.实验结果表明,该方法取得了一定的识别效果.