Selective harmonic elimination method for wide range of modulation indexes in multilevel inverters using ICA

Selective harmonic elimination(SHE) in multilevel inverters is an intricate optimization problem that involves a set of nonlinear transcendental equations which have multiple local minima. A new advanced objective function with proper weighting is proposed and also its efficiency is compared with the objective function which is more similar to the proposed one. To enhance the ability of the SHE in eliminating high number of selected harmonics, at each level of the output voltage, one slot is created. The SHE problem is solved by imperialist competitive algorithm(ICA). The conventional SHE methods cannot eliminate the selected harmonics and satisfy the fundamental component in some ranges of modulation indexes. So, to surmount the SHE defect, a DC-DC converter is applied. Theoretical results are substantiated by simulations and experimental results for a 9-level multilevel inverter. The obtained results illustrate that the proposed method successfully minimizes a large number of identified harmonics which consequences very low total harmonic distortion of output voltage.

Genetic Algorithm Based 7-Level Step-Up Inverter with Reduced Harmonics and Switching Devices

This paper presents a unique voltage-raising topology for a single-phase seven-level inverter with triple output voltage gain using single input source and two switched capacitors.The output voltage has been boosted up to three times the value of input voltage by configuring the switched capacitors in series and parallel combinations which eliminates the use of additional step-up converters and transformers.The selective harmonic elimination(SHE)approach is used to remove the lower-order harmonics.The optimal switching angles for SHE is determined using the genetic algorithm.These switching angles are com-bined with a level-shifted pulse width modulation(PWM)technique for pulse generation,resulting in reduced total harmonic distortion(THD).A detailed com-parison has been made against other relevant seven-level inverter topologies in terms of the number of switches,drivers,diodes,capacitors,and boosting facil-ities to emphasize the benefits of the proposed model.The proposed topology is simulated using MATLAB/SIMULINK and an experimental prototype has been developed to validate the results.The Digital Signal Processing(DSP)TMS320F2812 board is used to generate the switching pulses for the proposed technique and the experimental results concur with the simulated model outputs.

基于不同算法筛选糖尿病足溃疡截肢预测模型的比较

目的 探讨不同算法筛选的糖尿病足溃疡(DFU)截肢预测模型。方法 收集2015年1月至2020年12月新疆医科大学第一附属医院收治的364例DFU患者的临床资料,按照截肢情况将其分为截肢组(n=213)和非截肢组(n=151),分别通过单因素分析、Boruta算法和随机森林-递归特征消除(RF-RFE)算法进行截肢危险因素分析,并构建临床预测模型,比较模型的c指数、F1分数和Brier分数,评估模型的预测效能和临床意义。结果 两组患者年龄、高血压病程、冠心病病程、Wagner评分、部位-缺血-神经病变-细菌感染-面积-深度(SINBAD)评分、国际糖尿病足工作组(IWGDF)分级比较,差异均有统计学意义(P﹤0.05)。实验室指标中截肢组患者低密度脂蛋白(LDL)、高密度脂蛋白(HDL)、甘油三酯(TG)、血钙、血磷、白蛋白与球蛋白比值(A/G)、平均血小板分布宽度(PDW)、血红蛋白(Hb)均低于非截肢组患者,截肢组患者球蛋白(GB)、中性粒细胞比例(N)、纤维蛋白原(FIB)、国际标准化比值(INR)、平均红细胞分布宽度(RDW)/白蛋白比率、中性粒细胞/淋巴细胞比值(NLR)、血小板与淋巴细胞比值(PLR)均高于非截肢组患者,差异均有统计学意义(P﹤0.05)。多因素分析结果显示,Wagner分级﹥2级、SINBAD评分﹥3分、FIB、Hb、PDW、INR、年龄均是DFU患者截肢的独立危险因素(P﹤0.05)。传统Logistic回归模型c指数、F1分数和Brier分数分别为0.771、0.809、0.163。采用Boruta算法得出对截肢影响最大的影响因素为年龄、Wagner分级﹥2级、SINBAD评分﹥3分、IWGDF分级﹥3级、A/G、INR、FIB、N、Hb、RDW比白蛋白比率、NLR和PLR,模型c指数、F1分数、Brier分数分别为0.686、0.744、0.163.RF-RFE算法得出DFU截肢危险因素为NLR、PLR、N、肌酐和PDW,模型c指数、F1分数和Brier分数分别为0.748、0.769、0.220。结论 不同算法从不同逻辑对DFU患者截肢的危险因素进行评估,可与传统统计学方法结合,为DFU的治疗决策提供依据互补。

混合级联H桥逆变器的新型SHEPWM功率均衡控制策略

对于直流侧电压比为1∶1∶2的混合级联H桥逆变器,传统的指定谐波消除脉宽调制法(SHEPWM)存在各单元间输出功率不均衡问题,因此,提出一种双层功率均衡调制策略。首先,通过对消谐方程组中的基波幅值方程表达式进行等效拆分,使2个低压H桥单元的输出电压基波幅值之和与高压H桥单元的输出电压基波幅值相等,实现了高低压H桥单元间的功率均衡,即外层功率均衡。其次,利用逻辑运算的方法对低压单元的初始驱动信号进行逻辑重组,实现2个低压单元间的功率均衡,即内层功率均衡;然后使用改进的实数型遗传算法(IRCGA-2)求出消谐方程组的解,消除指定的谐波,得到高质量的输出电压。最后,通过仿真和实验证明了调制策略的正确性与有效性。

改进蛇算法的七电平逆变器SHEPWM研究

多电平逆变器控制策略中的特定谐波消除脉宽调制(SHEPWM)能够以较低的开关频率得到较好的电压输出波形,重点在于开关角的求取。在多电平逆变器SHEPWM调制的开关角求解算法上提出改进蛇优化算法,对传统蛇优化算法采用Tend混沌映射初始种群,使初始种群分布更加均匀;引入Levy飞行策略增强算法的全局搜素能力,能够更加精准快速得到全局开关角的最优解。仿真结果表明,改进蛇优化算法所求的开关角相较于传统算法更好地消除低次谐波,并降低了输出线电压的畸变率,充分验证了该方法的可行性。

基于RF-RFE算法的地铁车站洪涝灾害预测研究

地铁车站形式以地下段为主,进入雨期时受到洪涝灾害的威胁,易发生雨水倒灌现象,严重影响居民出行和地铁安全运营。为进一步提高地铁车站洪涝灾害预测的效果,提出基于RF-RFE和DNN神经网络的地铁车站洪涝灾害预测方法。首先,通过收集并分析已发生地铁车站洪涝灾害的案例,采用文献综述结合专家访谈的方法,构建地铁车站洪涝灾害初始变量集;然后,利用随机森林—递归特征消除(RF-RFE)算法,计算初始变量重要性并完成变量分类正确率排序,从初始变量集中筛选出重要变量;最后,建立DNN神经网络预测模型,并以筛选出的重要变量作为输入样本,训练DNN神经网络,完成对地铁车站洪涝灾害的预测。研究结果表明:(1)变量选择可提高预测模型精度,与初始变量集的DNN神经网络预测模型相比,数据筛选后的DNN神经网络预测模型准确率提高了4.36%;(2)RF-RFE和DNN神经网络算法结合具有良好的效果,预测模型准确率为88.1%,F1分数为0.9。

An improved initial rotor position estimation method using high-frequency pulsating voltage injection for PMSM

High frequency pulsating voltage injection method is a good candidate for detecting the initial rotor position of permanent magnet synchronous motor.However,traditional methods require a large number of filters,which leads to the deterioration of system stability and dynamic performance.In order to solve these problems,a new signal demodulation method is proposed in this paper.The proposed new method can directly obtain the amplitude of high-frequency current,thus eliminating the use of filters,improving system stability and dynamic performance and saving the work of adjusting filter parameters.In addition,a new magnetic polarity detection method is proposed,which is robust to current measurement noise.Finally,experiments verify the effectiveness of the method.

决策树算法在船舶自主巡航数据消冗中的应用

船舶在进行智能化管理和航行时,需依据可靠的自主巡航数据完成,将大量的传感器数据和监测信息作为输入,以便系统能够作出正确的决策。然而,这些数据可能存在冗余信息干扰,影响着智能决策系统的可靠性,因此研究决策树算法在船舶自主巡航数据消冗中的应用。采用滤波、插值以及混合式时序数据生成的方式,进行船舶自主巡航数据的时序处理,生成规范的船舶自主巡航时序数据;依据处理后的数据生成决策树,划分船舶自主巡航数据类别;通过计算同类间数据相似度,并设计消除器,实现船舶自主巡航数据消冗处理,获取没有冗余的巡航数据。测试结果显示,该算法的数据时序处理效果较好,可以完成不同数据类别之间的划分,同时能够计算同类数据之间的相似度,最大空间缩减比为27.8%。

基于改进ViBe的自适应运动目标检测算法

针对ViBe算法无法去除动态背景,易出现鬼影及不能自适应光照变化的问题,提出一种复杂环境自适应的ViBe改进算法。通过计算区域的复杂度、闪烁波动度,对分类半径R和更新率T进行动态调整,对样本点进行有效性权重的计算,更高效地过滤背景噪声和适应光照渐变;在检测物体状态变化时,动态调整R和T,通过融合前景点计数和帧差法优化鬼影消除;通过识别最小外接矩阵区域差异加快去除鬼影;利用帧差法实时检测光照突变,及时进行重新初始化,避免大量误检。实验结果表明,改进ViBe算法在适应动态背景、光照变化及抑制鬼影等方面比原算法均有更好检测效果,检测精度平均提升了40.7%。

考虑数据分类的建筑电能耗集成预测方法

建筑侧各类可再生能源的应用日益普及,建筑电能耗预测在用能供需平衡、电网稳定运行、尖峰需求响应等方面发挥越来越重要作用。尽管诸多数据驱动模型在能耗预测方面获得广泛应用,当前仍缺乏预测精度高、泛化能力强的短期预测模型。针对该问题,提出一种基于建筑物能耗特点并结合数据挖掘技术的分类集成式能耗预测方法。首先,采用递归特征消除法对数据进行特征筛选,并用模糊C均值聚类算法对训练集数据进行聚类,使用K最邻近法对验证集和测试集数据进行归类;选择5种结合智能优化算法的混合数据驱动模型作为子学习器,分别对每类数据做预测,最后使用多元线性回归法进行结果集成。经3个建筑电力用能案例验证,此集成预测模型精度均优于单个子模型,具有适用不同建筑类型和用能尺度的预测潜力。

适用于配电网无功优化的混合鱼群算法

人工鱼群算法同传统群智能算法一样,由于基础种群的随机性以及寻优路线的不确定性等原因可能导致算法寻不到最优解。为解决以上问题,利用混沌变换序列生成遍布更加均匀的初始值;采用自适应的视野与步长动态改变搜索范围;引入改进的生物“进化”机制,利用当代和精英个体的基因来对鱼群进行淘汰,加快收敛速度。将该混合算法用于IEEE33节点系统配电网的无功优化中,结果表明改进的算法更易跳出局部最优,且收敛速度较快,收敛性能较好,提高了寻优效率。

基于工况识别的PHEV能量管理策略

为提升并联式混合动力汽车(parallel hybrid electric vehicle,PHEV)的燃油经济性,针对等效燃油消耗最小控制策略(equivalent fuel consumption minimum strategy,ECMS)在不同工况下适应性差的问题,以优化整车等效燃油消耗量为目标,设计基于工况识别算法的变等效因子ECMS能量管理策略。选取3类典型工况建立支持向量机分类模型,通过递归特征消除法对样本特征进行选择,采用鲸鱼算法对支持向量机进行参数优化,使用模拟退火算法分别对3类工况的ECMS等效因子进行离线全局最优求解,并分别存储于等效因子库中,通过训练好的支持向量机分类器对目标优化工况进行工况识别,不同类型的工况片段采用不同的等效因子进行转矩分配。仿真结果显示:相比于逻辑门限能量管理策略,基于工况识别算法的变等效因子ECMS能量管理策略的电池荷电状态(state of charge,SOC)变化量减少8.67%,节油率为13.11%;相比于优化前的ECMS策略电池SOC变化量减少3.47%,节油率约为6.63%。本文提出的基于工况识别算法的变等效因子ECMS能量管理策略可以有效地减少燃油消耗量,提升PHEV的整车经济性。

加入淘汰机制的改进麻雀搜索算法

传统麻雀算法(sparrow search algorithm,SSA)具有搜索精度高、寻优能力强等优点,但同时也存在早熟收敛、迭代过程中容易陷入局部最优值等问题。针对这些问题,提出了一种加入Tent混沌映射和末位淘汰机制的麻雀搜索算法(sparrow search algorithm with tent,TESSA)。采用2N分段Tent混沌映射初始化种群位置。同时在算法迭代后期引入非线性末位淘汰机制,提高其收敛速度和精度。经过与其他4种群智能算法在6个基准函数上求解性能相比,TESSA的收敛速度、寻优精度、标准误差等性能指标有明显的优势。

阻尼改进抗差L-M匹配下全景图像拼接平滑优化

为了解决大面积视觉全景图像受拼接缝影响,拼接平滑面积较小的问题,提出阻尼改进抗差L-M匹配下全景图像拼接平滑优化方法。阻尼因子改进抗差L-M算法,计算抗差L-M迭代向量;利用改进抗差L-M算法,融合球面投影理论,对特征匹配误差目标函数进行优化。融合拉普拉斯算法和高斯滤波金字塔对图像进行分解重构,确定图像拼接缝重叠区域后完成全景图像拼接平滑优化。实验结果表明,所提方法的拼接缝平滑面积能够达到95.8%,解决了拼接平滑面积较小的问题。

基于防盗算法的多功能智能电力计量系统

针对市场上传统数字电表的局限性,提出一种多功能智能电力计量系统。该系统通过集成物联网,实现智能电表的实时监控、波形谐波消除、防盗检测和负荷预测等功能。采用傅里叶分析对谐波进行分解,并使用电感器将失真降低30%,以满足IEEE 519标准。采用防盗算法,通过比较总用电量和单个电表用电量来识别异常情况。采用长短期记忆(LSTM)神经网络进行下一天的负荷预测,平均绝对百分误差为7.56%。实验结果表明,该系统在增强供电质量、安全性、实时监控以及合理的短期预测方面都较好地满足了市场的需求。

基于最优特征和改进随机森林的非侵入式负荷辨识方法

非侵入式负荷监测方法是实现电网智能化的关键技术,有助于优化能量管理,促进能源高效利用。为了应对目前大多数负荷辨识模型存在的特征冗余、识别精度有限和计算效率低下等问题,提出了一种基于最优特征和改进随机森林的新型非侵入式负荷辨识方法。首先,通过递归特征消除方法从众多负荷特征中自主确定最优特征组合,以减少信息冗余。然后,确定不同决策树的权重数值,通过构建加权随机森林模型来实现电器负荷的辨识。为了进一步提高算法的精确度,利用改进鲸鱼算法对随机森林的重要参数进行优化。最终在公开数据集进行实验验证,证明所提负荷辨识方法具有准确性和优越性。

基于决策树算法的多级冗余电力大数据清除

由于电力数据体量在短时间内暴增,使得冗余数据占比增多,严重影响了电力数据的处理时间。为此,提出基于决策树算法的多级冗余电力大数据清除方法。通过对多级电力大数据分块处理,采用离散小波变换算法,提取其近似特征。引入决策树算法计算信息增益率,基于并行计算原理设计多级冗余电力大数据清除流程,从而实现数据清除。实验结果显示:提出方法的检测结果与实际冗余数据量保持一致,冗余数据清除吞吐率最大值为45 bps,充分证实了提出方法冗余数据清除效果更好。

基于遗传算法的配电网恢复和负荷消除启发式研究

供电一致性是电能质量和网络可靠性的主要指标之一。在一般情况下,配电网具有放射状结构,当其网络馈线中有一个发生故障被隔离时,下游的负载可能会断电。以向客户提供高质量、可靠的能源为目标的网络结构变量是配电网运行中的一个重要参数。本文提出了一种新的有效的启发式遗传算法来最大限度地恢复配电网负荷,并在不可能恢复所有负荷的情况下使用遗传算法来消除最小负荷。通过在IEEE 33总线标准配电网络上的成功应用,验证了采用本文遗传算法的有效性和准确性。

针对旁瓣对消的建模方法

旁瓣对消技术是现代雷达抗有源干扰的有效方法。在理想条件下,旁瓣对消系统可以有效抑制干扰并保留期望信号,因此在现代雷达战场上得到了广泛应用。文章提出了5种关于针对旁瓣对消的建模方法,分别是开环算法、闭环算法、广义内积法、自适应剩余功率检测法和阻塞矩阵法,并针对不同来波方向和不同噪声的干扰进行了仿真验证。

Parameters selection in gene selection using Gaussian kernel support vector machines by genetic algorithm

In microarray-based cancer classification, gene selection is an important issue owing to the large number of variables and small number of samples as well as its non-linearity. It is difficult to get satisfying results by using conventional linear sta- tistical methods. Recursive feature elimination based on support vector machine (SVM RFE) is an effective algorithm for gene selection and cancer classification, which are integrated into a consistent framework. In this paper, we propose a new method to select parameters of the aforementioned algorithm implemented with Gaussian kernel SVMs as better alternatives to the common practice of selecting the apparently best parameters by using a genetic algorithm to search for a couple of optimal parameter. Fast implementation issues for this method are also discussed for pragmatic reasons. The proposed method was tested on two repre- sentative hereditary breast cancer and acute leukaemia datasets. The experimental results indicate that the proposed method per- forms well in selecting genes and achieves high classification accuracies with these genes.