基于物聯(lián)網(wǎng)的輸電線(xiàn)路檢測方案

設有兩類(lèi)D維訓練樣本xk(k=1，2，……，n)其中n1個(gè)樣本來(lái)自wi類(lèi)型，n2個(gè)樣本來(lái)自wi類(lèi)型，n=n1+n2。兩個(gè)類(lèi)型的訓練樣本分別構成訓練樣本的子集X1和X2。令，yk為向量xk通過(guò)變換w得到的標量，它是一維的。實(shí)際上，對于給定的w，yk就是判決函數的值。各類(lèi)在D維特征空間里的樣本均值向量為：

映射后，兩類(lèi)的平均值之間的距離越大越好，而各類(lèi)的樣本類(lèi)內離散度越小越好。因此，定義Fisher準則函數為：

使JF最大的解w*就是最佳解向量，也就是Fisher的線(xiàn)性判別式。

6 基于LDA的線(xiàn)路監測方案

在輸電線(xiàn)路上布置無(wú)線(xiàn)通信的IOT以采集輸電線(xiàn)路溫度、線(xiàn)路的振幅和頻率、風(fēng)速、線(xiàn)路張力。在冬季采集數據將需要除冰和不需要除冰兩種狀態(tài)下各個(gè)物理量的數值存儲建立訓練集。

7 結論

提出了基于物聯(lián)網(wǎng)的輸電線(xiàn)路現場(chǎng)監測預警方案。利用物聯(lián)網(wǎng)低功耗、低成本、多傳感器、無(wú)線(xiàn)通信的優(yōu)點(diǎn)，結合當前輸電線(xiàn)路監測面臨的具體問(wèn)題，提出了系統的硬件平臺的選擇以及預警判別算法。該監測預警系統方案可以根據當地具體的環(huán)境特點(diǎn)建立訓練集，從而建立具有高可靠性的判別函數，進(jìn)行有效的監控預警。