用于开关设备动作分类的现场在线特征选择
系统与控制
2021-05-31 v1 系统与控制
摘要
随着互联传感器的不断发展，对低压监测解决方案的兴趣日益增长。这也适用于开关设备监测领域，其中对开关动作的探测、区分与老化识别具有根本意义。特别是，对各种结构类型的普遍适用性起着主要作用。因此，在离线训练中学习目标特定特征的方法不太适合评估开关设备状态。本文提出了一种计算高效的智能在线特征选择新方法，可用于在现场训练针对所述用例的模型。过程与结构特定的特征可在本地（例如在传感器系统上）学习，无需事先离线训练。所提方法在四组使用基于微机电系统（MEMS）的传感器（声学与振动）记录的开关设备测量数据集上进行了评估。此外，我们表明由本方法选择的特征可用于跟踪因老化效应引起的开关过程变化。
引用
@article{arxiv.2105.13639,
title = {On-site Online Feature Selection for Classification of Switchgear Actuations},
author = {Christina Nicolaou and Ahmad Mansour and Kristof Van Laerhoven},
journal= {arXiv preprint arXiv:2105.13639},
year = {2021}
}
备注
5 pages, 4 figures