مقایسه ویژگی های استخراج شده از تبدیلS و تبدیل TTدر دسته بندی خطای امپدانس بالا

در این مقاله، به کمک روشهای تشخیص الگو نوع خطای امپدانس بالا که میتواند بریده شده یا بریده نشده باشد و همچنین سطحی که خطای امپدانس بالا بر روی آن اتفاق افتاده است تشخیص داده شده است. روشهای مذکور عبارتند از: تبدیلTT,تبدیل S دربخش استخراج ویژگی ماشین بردار تکیه گاه چند لایه و شبکه عصبیFuzzy ARTدر بخش کلاسه بندی. در این روشها، ویژگ یها شامل انرژی، انحراف از معیار و انحراف مطلق از میانگین هستند که از یک پنجره داده به طول یک سیکل با استفاده ازاطلاعات زمان- زمان ماتریس حاصل از تبدی لtT اطلاعات زمان – فرکانسی ماتریس حاصل از تبدیلS به دست می ایند سپس این ویژگیها به ماشین بردار تکیه گاه چند لایه و شبکه عصبیFuzzy ARTاعمال میشوند تا نوع خطای امپدانس بالا و سطح تماس تشخیص داده شوند. نتایج حاصل از بکارگیری الگوریتم پیشنهادی بر رویداد ههای واقعی بدست آمده از آزمای شهای عملی خطای امپدانس بالا، حاکی از ان است که ویژگیهای استخراج شده ازتبدیل TT نسبت به تبدیل S بهتر بوده و همچنین شبکه عصبی Fuzzy ART دارای دقت بیشتری در دسته بندی دربرابر ماشین بردار تکیه گاه چند لایه است.

کلیدواژه ها:

حفاظت شبکه توزیع ، خطای امپدانس بالا ، تشخیص الگو ، ، تبدیلS ، تبدیلTT ، ماشین بردار تکیه گاه ، شبکه عصبیART