用于变电站终端入侵检测的熵权融合定位算法

智能机器人、移动作业终端的应用加速了变电站的无人值守,需对此等各类设备进行统一网络管理和监控,尤其是对非法接入的终端要进行检测和甄别。由于无法排除非法终端伪造MAC地址信息的可能性,因此需以位置信息作为终端身份标识,从而实现对于非法终端的检测甄别。目前,对于机器人的定位方法主要有计算距离法与数据库匹配法。本文结合三角距离计算与数据库匹配法得出一种新的融合定位算法,依据信息论中信息熵的概念确定熵权,提高智能机器人定位准确度,提升对非法终端的检测能力。

融合功能性副语言比例系数的语音情感识别

语言中的非言语发声如笑声、叹息、抽泣等,称为功能性副语言,对情感表达起重要作用,但现有研究很少考虑多种功能性副语言在一种情感中的协同作用.针对该问题,提出了融合功能性副语言比例系数(functional paralanguage proportion coefficient,FPPC)的情感识别系统.首先,提取能体现多种功能性副语言在情感语句中出现的频率快慢和持续时间长短的FPPC特征;然后,搭建基于注意力机制的集成学习(attention stacking)为不同的基分类器赋予不同权重,并对FPPC特征进行训练;最后,通过自适应熵权重决策融合方法将传统语音情感识别与基于FPPC特征情感识别进行融合.实验结果显示,融合了FPPC特征后的情感识别结果提高了16.84%,证明融合FPPC特征能有效提高系统整体识别率.

基于故障类型识别的输电线路自适应测距方法

输电线路的故障类型会影响测距的结果。为更准确地定位线路的故障位置,需先识别故障的类型,再匹配相应算法以提高测距结果的精度。首先,利用空间域的关联维数描述故障后电气量变化的复杂程度,利用时域的差值方根描述故障后电气量的畸变程度。然后,根据两种特征包含信息量的多少,采用熵权法对两种指标进行特征融合。最后,以融合特征量为依据实现故障类型的识别,在此基础上为不同类型的故障匹配相应的测距算法,以最大程度减少故障阻抗对测距结果的影响。仿真表明,提出的自适应故障测距方法不受故障类型的影响,测距结果精度高,具有普遍适用性。