مقایسه ویژگی های استخراج شده از تبدیلS و تبدیل TTدر دسته بندی خطای امپدانس بالا
Publish place: 1st Iranian CIRED Conference
Publish Year: 1391
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 535
This Paper With 7 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
CIRED01_041
تاریخ نمایه سازی: 15 اسفند 1393
Abstract:
در این مقاله، به کمک روشهای تشخیص الگو نوع خطای امپدانس بالا که میتواند بریده شده یا بریده نشده باشد و همچنین سطحی که خطای امپدانس بالا بر روی آن اتفاق افتاده است تشخیص داده شده است. روشهای مذکور عبارتند از: تبدیلTT,تبدیل S دربخش استخراج ویژگی ماشین بردار تکیه گاه چند لایه و شبکه عصبیFuzzy ARTدر بخش کلاسه بندی. در این روشها، ویژگ یها شامل انرژی، انحراف از معیار و انحراف مطلق از میانگین هستند که از یک پنجره داده به طول یک سیکل با استفاده ازاطلاعات زمان- زمان ماتریس حاصل از تبدی لtT اطلاعات زمان – فرکانسی ماتریس حاصل از تبدیلS به دست می ایند سپس این ویژگیها به ماشین بردار تکیه گاه چند لایه و شبکه عصبیFuzzy ARTاعمال میشوند تا نوع خطای امپدانس بالا و سطح تماس تشخیص داده شوند. نتایج حاصل از بکارگیری الگوریتم پیشنهادی بر رویداد ههای واقعی بدست آمده از آزمای شهای عملی خطای امپدانس بالا، حاکی از ان است که ویژگیهای استخراج شده ازتبدیل TT نسبت به تبدیل S بهتر بوده و همچنین شبکه عصبی Fuzzy ART دارای دقت بیشتری در دسته بندی دربرابر ماشین بردار تکیه گاه چند لایه است.
Keywords:
حفاظت شبکه توزیع , خطای امپدانس بالا , تشخیص الگو , , تبدیلS , تبدیلTT , ماشین بردار تکیه گاه , شبکه عصبیART
Authors
ایمان نیکوفکر
دانشگاه فردوسی مشهد
مصطفی سرلک
دانشگاه جندی شاپور دزفول
سیدمحمد شهرتاش
دانشگاه علم و صنعت ایران
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :