实验技术与管理第40卷第2期2023年2月ExperimentalTechnologyandManagementVol.40No.2Feb.2023收稿日期:2022-07-27基金项目:教育部第二批新工科研究与实践项目（E-DZYQ20201416）；中国矿业大学教学研究重点项目（2021ZD01）；中国矿业大学实验技术研究与开发重大项目（S2020Z003）；国家重点研发计划项目（2017YFF0210600）；煤炭行业教育研究课题（2021MXJG082）作者简介:严家明（1977—），男，安徽六安，博士，讲师，主要从事电气设备在线监测及故障诊断方面的教学与科研，yanjiaming888@163.com。引文格式:严家明，周一恒，徐瑞东，等.基于智能算法的局部放电模式分层识别综合实验设计[J].实验技术与管理,2023,40(2):48-56.Citethisarticle:YANJM,ZHOUYH,XURD,etal.Comprehensiveexperimentdesignofpartialdischargepatternlayeredrecognitionbasedonintelligentalgorithm[J].ExperimentalTechnologyandManagement,2023,40(2):48-56.(inChinese)ISSN1002-4956CN11-2034/TDOI:10.16791/j.cnki.sjg.2023.02.008基于智能算法的局部放电模式分层识别综合实验设计严家明1，周一恒2，徐瑞东1，邓先明1（1.中国矿业大学电气工程学院，江苏徐州221116；2.中国矿业大学信息与控制工程学院，江苏徐州221116）摘要：该文设计了局部放电模式识别实验，改进了基于智能算法的样本分层实验分析方法，建立了基于教研融合的实验教学新模式。通过设计三种放电缺陷采集局部放电信号，利用小波变换清洗局部放电数据，基于统计学构建局部放电相位分布（PRPD）图谱并提取特征量，对比分析了利用BP神经网络（BPNN）传统算法和改进的样本分层算法对放电类型识别的效率。实验结果表明，样本分层智能算法能够提高局部放电模式识别效率。该实验基于教师科研成果，综合运用了电气、信息、统计学及计算机等多学科交叉，建立了“基于实践、递进启发、学科交叉”的教研融合实验教学新模式，锻炼了学生的实践动手能力和知识综合运用能力，培养了学生的探索热情和创新意识。关键词：放电缺陷；PRPD模式；统计特征；样本分层识别；教研融合中图分类号：TM835；G642.423文献标识码：A文章编号：1002-4956(2023)02-0048-09ComprehensiveexperimentdesignofpartialdischargepatternlayeredrecognitionbasedonintelligentalgorithmYANJiaming1,ZHOUYiheng2,XURuidong1,DENGXianming1(1.SchoolofElectricalEngineering,ChinaUniversityofMiningandTechnology,Xuzhou221116,China;2.Scho...
