基于最小熵的故障诊断算法

doi:10.13190/j.jbupt.2016.s.003

北京邮电大学学报 ›› 2016, Vol. 39 ›› Issue (s1): 10-13.doi: 10.13190/j.jbupt.2016.s.003

基于最小熵的故障诊断算法

王瑶, 刘世栋, 郭经红

国网智能电网研究院信息通信研究所, 南京 210003

收稿日期:2015-09-16 出版日期:2016-06-28 发布日期:2016-06-28
作者简介:王瑶(1986-),女,工程师,E-mail:wangyao@geiri.sgcc.com.cn.
基金资助:
国家电网公司科技项目

Fault Diagnosis Technology Based on Minimum Entropy

WANG Yao, LIU Shi-dong, GUO Jing-hong

Research Institute of Information Telecommunication and Communications, State Grid Smart Grid Research Institute, Nanjing 210003, China

Received:2015-09-16 Online:2016-06-28 Published:2016-06-28

摘要/Abstract

摘要：

针对提升故障诊断的准确度问题，提出一种基于最小熵的故障诊断算法.首先，依据节点故障概率和各种噪声的发生概率计算一个可疑节点门限值；其次，计算各个节点对于探测结果的信息增益，与门限值对比，将高于门限值的节点视为可疑节点，存入可疑节点集合；最后，对可疑节点集合进行排序，将最小熵对应的节点视为故障节点，并经过仿真实验验证了该算法的有效性.

关键词: 电力综合数据网, 噪声, 熵, 故障诊断

Abstract:

How to diagnose the fault of network is one of the problems in electric power data network. Currently, one of main factors that affect the accuracy of fault diagnosis in power integrated data network is the noise. However, there is almost no mention on the fault diagnosis method in the scheme, because it is difficult to improve the accuracy of fault diagnosis. A new fault diagnosis technique based on minimum entropy was proposed. Firstly, the information gain of each node is calculated according to the probability of node failure probability and the occurrence probability of each node. Then, the nodes are considered as suspicious nodes. Finally, the nodes are considered as nodes.

Key words: electric power data network, noise, entropy, fault diagnosis

中图分类号:

TN915.5

王瑶, 刘世栋, 郭经红. 基于最小熵的故障诊断算法[J]. 北京邮电大学学报, 2016, 39(s1): 10-13.

WANG Yao, LIU Shi-dong, GUO Jing-hong. Fault Diagnosis Technology Based on Minimum Entropy[J]. JOURNAL OF BEIJING UNIVERSITY OF POSTS AND TELECOM, 2016, 39(s1): 10-13.

[1]	张一凡吴永乐汪庆王卫民. 高选择性吸收式双频平衡带通滤波器的设计[J]. 北京邮电大学学报, 2023, 46(4): 1-8.
[2]	许同乐, 苏元浩, 孟良, 兰孝升, 李云凤. 优化GAN的风电机组齿轮箱故障诊断方法[J]. 北京邮电大学学报, 2023, 46(3): 62-66.
[3]	张家梁, 高冠军, 王君健. 噪声光下的水下无线光通信理论与实验验证[J]. 北京邮电大学学报, 2022, 45(3): 102-106.
[4]	赵方, 吴凡. GNSS/INS自适应智能组合导航算法[J]. 北京邮电大学学报, 2022, 45(2): 1-8.
[5]	杨宏宇, 袁海航, 张良. 一种基于主机重要度的网络主机节点风险评估方法[J]. 北京邮电大学学报, 2022, 45(2): 16-21.
[6]	许同乐, 孟良, 孔晓佳, 苏元浩, 孙砚飞. 基于EEMD的ICNN故障诊断方法[J]. 北京邮电大学学报, 2022, 45(2): 110-116.
[7]	邵玉斌, 刘晶, 龙华, 李一民. 面向真实噪声环境的语种识别[J]. 北京邮电大学学报, 2021, 44(6): 134-140.
[8]	孙艺, 夏启钊. 半监督聚类目标下粒子群算法的分析与改进[J]. 北京邮电大学学报, 2020, 43(5): 21-26.
[9]	韦娟, 曹凯军, 宁方立. 非平稳噪声下稀疏表示的DOA估计算法[J]. 北京邮电大学学报, 2020, 43(1): 116-121.
[10]	张亚坤, 张娅妹, 周林, 贺玉成. 高斯白噪声信道下SC-LDPC码的结构设计[J]. 北京邮电大学学报, 2020, 43(1): 35-39.
[11]	吴新忠, 夏令祥, 张旭, 周成. 基于谱熵梅尔积的语音端点检测方法[J]. 北京邮电大学学报, 2019, 42(2): 83-89.
[12]	袁泽, 刘留, 张琨. 工业场景电磁噪声测量及建模分析[J]. 北京邮电大学学报, 2019, 42(1): 93-101.
[13]	陶艺文, 陆阳, 安春燕, 李斌, 赵成林. 脉冲噪声环境下的空闲信道检测方案[J]. 北京邮电大学学报, 2019, 42(1): 41-46.
[14]	黄河, 袁超伟. 非同分布高斯信号背景下基于增强能量检测的协作感知[J]. 北京邮电大学学报, 2018, 41(6): 39-44.
[15]	邱雪松, 张珣, 宋彦斌, 赵兵, 徐思雅. 基于熵和线性关系的两级流量异常检测方法[J]. 北京邮电大学学报, 2018, 41(4): 56-62.

基于最小熵的故障诊断算法

Fault Diagnosis Technology Based on Minimum Entropy

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价