简化单机水电系统负阻尼时频率振荡的类Hopf非光滑分岔分析

该文从切换型振荡角度,分析负阻尼情形下死区或限幅参与的频率振荡,说明负阻尼下超低频频率振荡(ultra-low frequency oscillation,ULFO)的机理之一是切换型振荡,并揭示了含死区和限幅的单机水电系统在突变负荷扰动下的超低频频率振荡可对应分段光滑连续系统的单次穿越型类Hopf非光滑分岔。首先,介绍分段光滑连续系统边界平衡点分岔(boundary equilibrium bifurcation,BEB)、类Hopf分岔和单次穿越型类Hopf分岔;其次,给出单水电机组电力系统的非光滑动力系统模型;然后,对比分析有/无死区和限幅(切换边界)时,单机系统负阻尼时频率振荡的差异,初步说明稳定的持续振荡与限幅和死区切换边界相关,无法单纯使用负阻尼或传统Hopf分岔来解释;进一步,借助广义Jacobi矩阵,说明有死区或限幅边界作用的切换型振荡对应的是发生单次穿越型类Hopf分岔;最后,分析突变负荷扰动下单机系统的平衡点、扰动后轨迹的非光滑分岔特性,说明单次穿越型类Hopf分岔是伴随着稳定结点穿越边界变为不稳定焦点的类Hopf分岔。     

基于FCM算法的光伏系统电弧故障检测方法研究北大核心CSCD

针对现有光伏系统电弧故障检测中易产生漏判、误判的问题,提出了一种基于FCM(模糊C均值聚类)算法的电弧故障检测方法。通过分析光伏系统电弧故障的时域、频域及电磁辐射特性,选取相邻窗口电流差值的峰峰值、电流频谱10~30 kHz频段的频域总能量与电磁信号的模极大值作为FCM的三维特征量,利用正常情况与故障情况下聚类中心在空间位置上的差异,实现光伏系统电弧故障的识别。仿真分析与试验结果表明,该方法能对光伏系统电弧故障进行准确识别且具有一定的抗干扰能力。     

基于均值漂移聚类的开关柜局部放电异常检测

针对开关柜现场带电检测数据,提出一种基于多维特征量的均值漂移聚类算法,对开关柜的局部放电进行异常识别。采用局部放电检测数据的离散度、平均距离百分比、集中度和最大波动率指标全面量化开关柜局部放电的程度,并构建多维特征数据库;通过自动搜索偏移量的均值漂移聚类算法对开关柜的状态进行划分,并通过所给定的开关柜簇标签隶属度函数判定是否为异常点,由此实现开关柜的绝缘状态异常检测。对现场带电检测实际数据进行实例分析,验证该方法的可行性,为开关柜的绝缘状态异常识别提供一定的理论依据。     

数据驱动的同调机组分群及主动解列技术

新型电力系统发生区域性故障时系统的安全稳定性问题日益突出,主动解列作为防止故障扩散的有效手段在系统稳定研究中逐渐获得关注。从同调机组分群技术和解列断面搜索技术两个方面对主动解列开展研究,结合时频分析、特征提取和图论等方法,提出基于改进聚类算法的同调机组分群技术和基于多层图分割的解列断面搜索技术,并在IEEE-39节点标准测试系统中验证了所提方法的适用性。     

基于车载激光点云的铁路轨道检测

铁路轨道的局部变形直接影响火车的高速安全行驶。为实现铁路轨道的自动化巡查,提出一种从车载激光点云中提取轨面与枕木的方法。首先,利用基于高程约束的欧氏聚类对原始点云数据进行预处理,得到路基区域;然后,对路基区域进行网格划分,并对每个网格内的点云进行高程判断,从而提取出轨面点云;最后,利用枕木与砟石的几何形态差异,设计出一种面向轨道点云的动态阈值分割方法,以提取枕木点云。对多个路段的铁路轨道进行实验,结果表明,本文方法仅利用点云坐标信息就能实现不同区域的轨面与枕木的自动检测,平均提取质量分别达到97.8%和93.6%,验证了本文方法的可行性与有效性。     

雷达辐射源信号分选研究进展

雷达辐射源信号分选是雷达信号侦察的关键技术之一,同时也是战场态势感知的重要环节。该文系统梳理了雷达辐射源信号分选的主流技术,从基于脉间调制特征、基于脉内调制特征、基于机器学习的雷达辐射源信号分选3个角度阐述了目前雷达辐射源信号分选工作的主要研究方向及进展,并重点阐释了基于深度神经网络、数据流聚类等最新分选技术的原理与特点。最后,对现有雷达辐射源信号分选技术的不足进行了总结并对未来趋势进行了预测。      

基于自注意力对抗的深度子空间聚类

子空间聚类(Subspace clustering)是一种当前较为流行的基于谱聚类的高维数据聚类框架.近年来,由于深度神经网络能够有效地挖掘出数据深层特征,其研究倍受各国学者的关注.深度子空间聚类旨在通过深度网络学习原始数据的低维特征表示,计算出数据集的相似度矩阵,然后利用谱聚类获得数据的最终聚类结果.然而,现实数据存在维度过高、数据结构复杂等问题,如何获得更鲁棒的数据表示,改善聚类性能,仍是一个挑战.因此,本文提出基于自注意力对抗的深度子空间聚类算法(SAADSC).利用自注意力对抗网络在自动编码器的特征学习中施加一个先验分布约束,引导所学习的特征表示更具有鲁棒性,从而提高聚类精度.通过在多个数据集上的实验,结果表明本文算法在精确率(ACC)、标准互信息(NMI)等指标上都优于目前最好的方法.     

基于Hadoop的灰狼优化K-means算法在主题发现的研究

快速准确的在海量网络数据中发现热点主题对于网络舆情监控具有重要作用.针对K-means算法对初始中心点选择敏感和全局搜索能力不足的问题,提出一种基于Hadoop的改进灰狼优化K-means的IGWO-KM算法.首先,该算法将灰狼优化算法和K-means算法相结合,利用灰狼优化算法收敛速度快和可全局寻优的优势为K-means搜索最佳聚类中心,减小随机选取初始中心点而导致的聚类结果不稳定性,以获取更好的聚类结果.其次,使用非线性收敛因子改进灰狼优化算法,协调算法的全局和局部的搜索能力.然后,引入正弦余弦算法并进行改进,增强灰狼优化算法的全局搜索能力,优化寻优精度和收敛速度,避免陷入局部最优.之后,使用近邻空间球减少K-means聚类过程中冗余的距离计算加快算法收敛.最后,利用Hadoop集群可批量处理数据的特性,实现算法的并行化.实验结果表明,IGWO-KM算法具有更好的寻优精度和稳定性,相比于GWO-KM算法和K-means,该算法在查准率、召回率和F值均有明显提高,且具有良好的收敛速度和拓展性.     

聚类分割的交互式遥感热红外图像模糊增强北大核心CSCD

交互式遥感热红外图像在边缘区域的像素呈现较强交互干扰,缺少必要区分过程,导致增强后的交互式遥感热红外图像视觉效果差、抗噪性能差、增强效率低。提出基于聚类分割的交互式遥感热红外图像模糊增强方法,采用模糊C均值聚类算法,对交互式遥感热红外图像聚类分割处理,对边缘区域特殊及弱小交互目标分割,进一步区分交互区域的干扰,缩短后期增强所用的时间。采用中值滤波方法去除交互式遥感热红外图像中存在的噪声,结合Sobel算子和二阶微分算子的拉普拉斯算子对去噪后的交互式遥感热红外图像进行锐化处理,通过图像去噪和图像锐化实现交互式遥感热红外图像的模糊增强。仿真实验可知,所提方法进行交互式遥感热红外图像模糊增强所获取的图像清晰度较高、抗噪性能较佳、增强效率较高。