论文摘要
针对通信领域故障信号识别的技术问题,提出了基于数据挖掘算法的通信故障信号识别方法。通过K-means聚类算法,使得用户从诸如温度、振动、电网故障、负荷、湿度、谐波、磁场、电网纹波等影响通信质量的样本数据中,根据通信类别样本的某些属性或某类特征,确定聚类簇数K,把通信样本类型归为已确定的某一类别中,使得簇内的通信样本数据能够紧密分布在一起,并通过欧几里得距离公式计算出某个类别范围内的数据,通过对数据进行聚类,使用户快速对影响因子进行分析、计算,大大提高了分类效果及稳定性。然后在聚类的数据中,采用BP神经网络模型再次对获取的聚类数据进行训练、计算,能够映射、处理不同聚类类别故障信息数据之间的复杂非线性关系,更加精确、及时处理数据,使用户对评估故障信号的精确度大大提高,减少了计算误差。
论文目录
文章来源
类型: 期刊论文
作者: 陈家璘,孙俊,贺易,张锦华,杨硕,赵世文
关键词: 通信领域,故障信号识别,数据挖掘算法,聚类算法,神经网络模型
来源: 电子测量技术 2019年23期
年度: 2019
分类: 信息科技
专业: 电信技术,计算机软件及计算机应用
单位: 国网湖北省电力有限公司信息通信公司,南京南瑞信息通信科技有限公司
分类号: TN911.23;TP311.13
DOI: 10.19651/j.cnki.emt.1903102
页码: 179-183
总页数: 5
文件大小: 1437K
下载量: 29