當通過傳統(tǒng)的判別方法對電纜故障進行分類時，判別結(jié)果的不確定性問題很容易解決：Fisher線性鑒別器用于區(qū)分電纜的故障類別。

　　方法基于區(qū)分兩種類型的已知樣本的Fisher方法，并構(gòu)造用于區(qū)分未知樣本的優(yōu)化方法，并允許詳細的推導(dǎo)。驗表明，該方法有效地解決了尋找未知樣本最優(yōu)解和判斷辨別程度的實際問題。于Fisher判別式具有兩個不確定性關(guān)鍵詞：進行詳細推導(dǎo)。驗表明，該方法可以搜索未知樣品的最優(yōu)解，并確定分離程度。
　　Fisher的線性判別式;最優(yōu)解;分辨率關(guān)鍵詞：電纜缺陷;線性Fisher判別：最優(yōu)解;分離度中圖分類號：TM726.4文獻標識碼：A產(chǎn)品號：1006-4311（2016）22-0136-03引言近年來，電纜已應(yīng)用于城市和工礦業(yè)來自中國。已被廣泛用于網(wǎng)和農(nóng)網(wǎng)的處理。著重建城市網(wǎng)絡(luò)和農(nóng)村電網(wǎng)的項目逐步推進，線路越來越多，電纜數(shù)量逐漸增加。纜幾乎用于所有領(lǐng)域，如港口，機場，鋼鐵，油田，石化和發(fā)電。而，在饋送電力電纜的過程中，在電纜故障的情況下，難以識別和定位故障，并且故障的存在將不可避免地導(dǎo)致電源故障。速高效的電力電纜故障識別是故障管理的重要步驟。本文中，基于Fisher的判別方法，有效地對電纜缺陷進行了分類，并分析了Fisher的判別結(jié)果。Fisher線性判別分析的基礎(chǔ)知識對于維空間樣本，投影被映射到一維坐標，并且樣本的特征是混合的并且難以區(qū)分。

　　果您正在尋找投影方向以輕松區(qū)分樣本和投影方向，這是漁夫標準的基本原則。
　　Fisher判別方法的基本思想是盡可能地在一個方向（直線）上投影n維n維數(shù)據(jù)集，以便盡可能地分類。
　　式上，這種方法是一種稱為降維的方法。
　　這里，我解釋了Fisher判別方法在兩類問題中的原理，如圖1所示。用Fisher線性判別識別電纜故障類型故障類型分類相電壓默認故障電流和故障相電流包含大量故障信息，這使得可以通過觀察故障信號的原始特征來識別故障。線電纜電壓的單極分量的小波分解系數(shù)的平方和與不同類型的電纜故障之間存在一些內(nèi)在關(guān)系。

　　此基礎(chǔ)上，可以通過熵獲得電纜故障信號的電壓故障信號的零序分量的幅度和相位，并且為此定義幅度熵和相位熵。成一組二維特征向量。過三小波小波包分解方法處理幅度信號Am。
　　先，根據(jù)高頻和低頻特性，將Am分解為低頻部分和高頻部分，礦用電纜并獲得與高頻部分和低頻部分對應(yīng)的高頻系數(shù)矢量和低頻系數(shù)矢量，然后分解系數(shù)向量以獲得高頻和低頻兩部分。據(jù)分解情況，小波包用于分解幅度信號，這可以完全滿足高頻和低頻分解要求。幅度Am的每個頻帶的能量函數(shù)的負積與其對數(shù)的和定義為幅度Hm的熵。

　　
　　驗結(jié)果如圖2所示。2.相位熵和幅度熵的Fisher判別結(jié)果：閾值W0 = -1.7718和Y =（ - 0.3816，-0.4365，-0.4126）T要測試的樣本，我們可以看到y(tǒng)i> W0，因此，這組樣本屬于第一類。論仿真實驗表明，改進算法建立的模型能夠正確識別多個短路故障，然后對一組數(shù)據(jù)類別的判斷可以更有效地識別故障類型。

　　過本文檔中描述的方法識別樣品。
　　本文轉(zhuǎn)載自
　　電纜價格www.ktio.cn