電力設備故障相關論文引用文獻推薦有哪些?發表電力設備故障方面的論文有必要通過引用相關的參考文獻來證實自己的觀點,引用文獻同時也可以引導讀者閱讀其他重要文獻,從而為本篇論文的主題打下堅實的基礎。合理的引用論文文獻可以向審稿人展示作者在等領域當中具備了哪些基礎知識,這里就推薦一些關于電力設備故障方面的引用文獻資料。

　　基于ZigBee網絡和視頻監控的電力設備故障監測與診斷

　　摘要：基于ZigBee網絡鋪設成本低和傳輸效率高的優點,提出一種基于ZigBee網絡和視頻監控的電力設備故障監測與診斷方法。首先通過視頻監控設備和傳感器采集電力設備故障信號數據,識別過程中采用小波包3層分解和重構電力設備故障信號數據提取小波包能量特征;然后將其特征數據劃分成訓練樣本和測試樣本,在極限學習機的基礎上引入正則化因子,提出了正則化極限學習機算法,用于進行故障分類、診斷和識別;最后將訓練樣本作為RELM模型的輸入和輸出,建立電力設備故障RELM識別模型進行故障識別。與ELM、SVM和BPNN相比,運用RELM進行電力設備故障診斷具有更高的診斷準確率和更低的誤判率。

　　人工智能技術在電力設備運維檢修中的研究及應用

　　摘要：人工智能為電力設備的運維檢修工作提供了相應的技術保障。因此,技術人員需要利用人工智能技術去掌握更多的數據。基于此,論文簡要分析了人工智能技術,從4個方面分析了人工智能技術在電力設備運維檢修中的作用,以供參考。

　　基于改進SLIC算法的電力設備故障區域分割方法

　　摘要：在電力設備狀態監測中,紅外測溫圖像故障區域的分割是今后故障診斷智能化發展的關鍵環節。為了實現圖像自動化處理,提高故障區域的分割精度,提出一種改進SLIC算法的故障區域分割方法。采用導向濾波器對紅外測溫圖像進行預處理;在SLIC超像素迭代過程中增加亮度相似性限制條件,并將生成的超像素以種子點的色彩值匹配顏色;通過自動設置色調閾值,實現對電力設備故障區域的分割和標記。實驗結果表明,改進的算法與原始SLIC算法相比,邊緣召回率提高了4.10%,對故障區域的分割更具優勢。

　　推薦文獻：電力設備檢修新應用措施制度

如果您現在遇到期刊選擇、論文內容改善、論文投稿周期長、難錄用、多次退修、多次被拒等問題，可以告訴學術顧問，解答疑問同時給出解決方案 。