基于EMD和M-FSVM的泵车液压系统故障诊断

在泵车液压系统的故障诊断技术研究中,如何精确地提取故障特征以及如何实现高精度的分类识别是研究的关键.针对这一问题,文中提出了一种基于经验模态分解(Empirical Mode Decomposition,EMD)算法与模糊多类支持向量机(Multi-class Fuzzy Support Vector Machine,M-FSVM)技术相结合的液压系统故障诊断方法.该方法首先对原始数据信号进行EMD分解,分解成若干个固有本征模态函数之和,再计算EMD能量熵作为M-FSVM的输人数据加以诊断.实验结果表明,该方法能有效地诊断泵车液压系统故障.     

基于树增强朴素贝叶斯分类的台区关口表挂接关系在线校验方法

针对台区关口表挂接关系人工现场核查耗时耗力的问题,提出基于树增强朴素贝叶斯分类的在线校验方法。对于一个台区,首先从用电信息采集系统提取台区用户和变压器(关口表)的电压曲线;接着,分别计算一段时间内每个用户与变压器三相电压曲线之间的相关系数;然后,统计所有用户相关系数在不同区间的分布数量;最后,以台区用户相关系数在不同区间的分布数量为输入属性特征,以台区关口表挂接关系是否正确为输出属性,采用树增强朴素贝叶斯模型构建台区关口表挂接关系在线校验模型。该方法在某地市电网公司试运行,其应用效果表明,可有效提升台区关口表挂接关系数据的正确性。     

基于视频图像的能见度计算方法研究

为了更加方便快捷地获取能见度并且实现对能见度的长期观测, 基于暗通道先验的理论基础对于视频图像的 能见度提取方法进行了分析和研究。通过对观测获得的全天不同时刻的目标图像进行亮度分析从而得到对应的大气 透过率和能见度, 并进一步将能见度提取结果与相同条件下实测激光雷达能见度数据进行了对比。研究结果表明, 提 取的能见度结果与实测数据吻合度较高, 相关系数达到 0.96616。     

基于平均证据和焦元距离的高冲突证据融合方法

针对传统DS证据理论无法有效解决高冲突证据融合的问题,提出基于平均证据和焦元距离的高冲突证据融合方法.首先,利用皮尔逊相关系数计算证据体相关性,并由此定义证据权重计算平均证据.然后,利用平均证据计算各证据焦元距离,根据焦元距离将冲突重新分配给各焦元的BPA,构造新证据体.最后,对新证据体进行传统Dempster组合,得到融合结果.仿真实验表明,新方法在处理高冲突证据时准确度高、收敛速度快,较好地解决了高冲突证据融合问题.     

基于模型识别的交直流混联输电系统时域双端量选相方法

针对传统单端量选相元件在交直流混联系统受端交流长线路不适用的问题,文中提出基于模型识别的时域双端量选相方法。首先,利用模型识别的思想,研究故障期间受端带并联电抗器的交流长线路非故障相和故障相的时域模型,经分析可知,非故障相的差动电流和差动电压满足电容模型而故障相不满足。其次,通过Spearman等级相关系数计算各相的电容模型符合度,与门槛值对比进行故障选相。最后,在PSCAD/EMTDC 中搭建交直流混联系统模型,从故障类型、故障位置、过渡电阻、采样频率以及噪声干扰等方面对所提故障选相方法进行仿真验证。结果表明,该故障选相方法在受端交流线路各位置故障期间均能快速准确地选出故障相,不依赖直流侧电源特性、不受并联电抗器的影响,并具有较好的抗过渡电阻和抗干扰性能。     

基于相关系数的MID3算法改进

针对决策树算法在分类时的多值偏向问题,提出了一种合理的基于相关系数的MID3算法的改进算法。该算法在生成决策树的过程中,将属性与分类结果之间的相关关系引入决策树节点的属性选择中,从而在一定程度上解决ID3算法的多值倾向问题,同时考虑系统两层节点从全局上优化树的结构。利用UCI数据集样本进行实验,将本文算法与ID3算法进行对比,得到了算法的效率的比较结果。实验结论表明,算法提高了数据的平均分类准确率,生成的决策树结构更加合理。     

肌电信号多通道相关性特征手势识别方法

多通道表面肌电信号（surface electromyography,sEMG）传统手势识别方法,主要提取各个通道时域、频域和时频域特征作为分类器的输入,鲜有考虑通道间的相关性,在提升识别精度上遇到瓶颈。为了充分利用sEMG多通道信息以提高手势识别精度,提出一种以多通道相关性为特征的肌电手势识别方法。该方法计算多通道间一致性相关系数,作为多通道sEMG线性相关特征参数,同时获取多通道间的互信息,作为多通道sEMG非线性相关特征参数。实际运用中精确估计联合概率密度函数往往十分困难,根据互信息与copula熵关系,将互信息估计转化为copula熵的估计,通过经验分布函数进行概率积分变换,采用非参数估计方法估计copula熵,从而避免联合概率密度函数的估计。利用两种相关性特征参数构建多通道相关性特征进行对比实验,基于stacking模型使用多通道相关性特征与4种常用时域特征进行识别并对比结果,其次基于多通道相关性特征使用stacking模型与5种常用分类器进行对比识别,实验结果表明所提的多通道相关性特征能有效区分手势动作,在采集的健康受试者手势数据集上平均识别准确率达到94%。     

考虑相关性的牵引负荷功率对电网影响概率分析

我国已逐渐形成城市间高铁连接的网络化,沿铁路空间分布的牵引变电所接入区域电网,给电力系统带来重大影响和挑战。考虑多个牵引变电所单相牵引负荷功率的随机性和相关性,提出一种多牵引负荷功率对电网影响的概率分析方法。首先,基于扩散核密度估计方法建立高铁牵引负荷功率的非参数概率模型,并采用Spearman秩相关系数表示牵引负荷间的空间相关性。其次,提出基于等概率转换原则和秩相关Cholesky分解技术结合的方法,利用中值拉丁超立方抽样(Latin hypercube sampling,LHS)对相关性牵引负荷非参数概率模型进行随机抽样。最后,通过牵引供电系统的等效三相模型,实现含多牵引负荷接入电网的三相概率潮流计算。基于某高速铁路多牵引变电所的实测数据,并接入修改的IEEE-14节点三相系统进行仿真,从轮换相序、不同节点相关性情况分析多牵引负荷对电网的电压幅值、电压不平衡度和网损的概率影响,为高速铁路接入电网的概率影响提供参考。