基于压缩感知与动态贝叶斯网络的电抗器局部放电故障诊断方法

1.基于压缩感知与动态贝叶斯网络的电抗器局部放电故障诊断方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的基于压缩感知与动态贝叶斯网络的电抗器局部放电故障诊断方法，其特征在于，特高频传感器、高频传感器和超声传感器分别覆盖不同频段的信号，以确保多维度信号数据的完整性。

3.根据权利要求1所述的基于压缩感知与动态贝叶斯网络的电抗器局部放电故障诊断方法，其特征在于，选取正交匹配追踪算法omp作为稀疏重构的主流方法，通过逐步选取与残差最匹配的基向量，最终获得信号的稀疏表示，其求解过程如下：

4.根据权利要求1所述的基于压缩感知与动态贝叶斯网络的电抗器局部放电故障诊断方法，其特征在于，步骤s3的具体步骤为：

5.根据权利要求1所述的基于压缩感知与动态贝叶斯网络的电抗器局部放电故障诊断方法，其特征在于，步骤s4的内容为：

6.根据权利要求1所述的基于压缩感知与动态贝叶斯网络的电抗器局部放电故障诊断方法，其特征在于，动态贝叶斯网络dbn的具体步骤如下：

7.根据权利要求1所述的基于压缩感知与动态贝叶斯网络的电抗器局部放电故障诊断方法，其特征在于，在动态贝叶斯网络dbn中，为简化模型采用马尔科夫假设，即假设在任一时刻t，时间t+1的状态xt+1仅依赖于当前时刻的xt，而与其它先前状态条件独立，简化为：

8.根据权利要求1所述的基于压缩感知与动态贝叶斯网络的电抗器局部放电故障诊断方法，其特征在于，迁移操作的内容为：

9.根据权利要求1所述的基于压缩感知与动态贝叶斯网络的电抗器局部放电故障诊断方法，其特征在于，差分进化de具体改进步骤包括：