基于振動(dòng)信號(hào)識(shí)別的變電站入侵跟蹤檢測(cè)技術(shù)優(yōu)化

打開(kāi)文本圖片集

摘 要：為提高變電站入侵跟蹤檢測(cè)準(zhǔn)確率，提出一種基于光纖圍欄振動(dòng)信號(hào)識(shí)別的變電站入侵跟蹤檢測(cè)方法。通過(guò)采用總體平均經(jīng)驗(yàn)?zāi)B(tài)分解（EEMD）提取光纖圍欄振動(dòng)信號(hào)特征向量，并利用遺傳算法（GA）改進(jìn)的支持向量機(jī)（SVM）對(duì)提取的光纖圍欄振動(dòng)信號(hào)特征向量進(jìn)行分類識(shí)別，實(shí)現(xiàn)了變電站入侵跟蹤檢測(cè)。

相較于小波分解和EMD特征提取方法，所提EEMD方法提取的光纖圍欄振動(dòng)信號(hào)特征向量對(duì)后續(xù)分類識(shí)別更有效；相較于SVM算法、KNN（K-Nearest Neighbor）算法以及BERT（Bidirectional Encoder Representationsfrom Transformers）算法，所提的GA算法改進(jìn)的SVM算法可更準(zhǔn)確地分類識(shí)別變電站氣體泄漏、敲擊、行走振動(dòng)信號(hào)地入侵檢測(cè)，平均識(shí)別準(zhǔn)確率89.84%，更適用于變電站入侵跟蹤檢測(cè)。（剩余6995字）