科研之友
微信
新浪微博
Facebook
分享链接
摘要
光电复合海底电缆（简称“海缆”）的在线状态监测及故障识别，可以实现海缆故障的早期预警。为了更快、更准确地实现海缆故障早期预警，文章提出一种基于麻雀搜索算法优化支持向量机的海缆振动信号识别的方法。其首先采用集合经验模态分解（EEMD）方法对海缆故障信号进行分解，并提取各个分量的峭度、能量熵组合作为训练特征集，以避免直接去噪导致信号失真而影响对目标特征的提取；然后采用麻雀搜索算法（SSA）优化支持向量机（SVM）的惩罚因子和核函数参数，以提高识别准确率。通过基于布里渊光时域分析（BOTDA）的海缆振动信号模拟实验系统获取锚砸、冲刷和摩擦3种工况下的海缆振动信号各500组，并通过EEMD对3类含噪信号进行分解，提取各分量的特征数据集，同时将数据集的80%作为训练集，其余的20%作为测试集。将文中所提EEMD-SSA-SVM算法与EEMD-PSO-SVM和SVM算法进行比较，结果显示，EEMD-SSA-SVM算法识别率高，优化能力强，其测试集准确率达到95%，优于其他几类算法。
-
单位中国能源建设集团江苏省电力设计院有限公司; 华北电力大学（保定）
