基于小波核扩散与双阶段SVM的轴承复合故障分类方法

轴承复合故障分类中存在故障特征强线性不可分及故障数据标签不足问题,严重影响分类精度。为此,提出基于双阶段支持向量机(SVM)与小波核扩散的轴承复合故障分类方法。针对故障特征强线性不可分,使用小波核函数对其进行高维空间映射,并利用极大重叠离散小波包变换获取信号在不同频带上的能量分布作为故障特征;针对故障数据标签不足,提出增量式核空间标签扩散的双阶段SVM分类模型,在小波核空间核差异距离基础上,利用增量式核空间标签扩散对训练样本的近邻样本、粗分阶段边界样本进行扩充,并在细分阶段依据扩充后的样本完成模型训练。3组轴承复合故障数据验证了所提方法的有效性,实验研究表明,在单类训练样本为5的条件下,所提方法比SVM分类准确率平均提升7.5%,并优于其他流行算法。

电网分区的主动半监督探测方法

分区可以降低电网运行监控和计算分析的复杂度,在实际中得到广泛应用。考虑电力网络演化发展的局域性以及电力系统电压无功的局部性,提出了一种标签节点主动标记的半监督电网分区探测方法:依据电网分区核心节点具有相对较高的连接稠密度且与其他高连接稠密度节点间的距离相对较远的特性,筛选核心节点标记分区标签;依据分区对节点的吸引度,扩散传播分区标签,探测分区组成。为了评价电网分区结果的优劣,借鉴聚类有效性评价的思路,结合电力网络的自身特性,重新定义了silhouettes指标。IEEE 39节点系统算例和某实际电网算例验证了所提方法的有效性和实用性。所提方法可用于电压无功控制、输电断面识别等。