改进稀疏表示故障分类

无需人工特征设计

采用基于K-SVD字典学习和混合交替方向乘子法的稀疏分解，实现海底电缆短路故障的快速准确分类。

唐文虎 · Liang, Qiheng · Zhao, Baining · Xin, Yanli · Gu, Yican

Zhongguo Dianji Gongcheng Xuebao/Proceedings of the Chinese Society of Electrical Engineering 2023

技术优势

分类精度高

在多种工况下分类准确率优于SVM、CNN、LSTM，无需人工设计特征。

噪声下更稳

改进的稀疏分解算法对信号重构和降噪有出色能力，使分类器在噪声环境下仍保持高性能。

应用场景

• 海上风电场运维：快速识别海缆短路故障类型，缩短停机和人工检查时间。
• 电力设备状态监测：自动从电流信号中提取故障特征，无需人工设计。
• 智能故障诊断：利用字典学习与稀疏表示实现端到端故障分类。