基于支持向量机递归特征消除的电缆局部放电特征寻优

电缆局部放电通常由电缆缺陷引起。有效地识别局放信号可以快速地判断缺陷类型。本文提出了一种基于支持向量机递归特征消除且结合了K均值聚类算法的局部放电特征优选新方法。对原始数据提取特征后展开了K-SVM-RFE的特征寻优,按照权重大小获得了不同类型缺陷的局部放电特征排序结果,并对优选排序结果进行了验证。结果表明,不同类型局部放电信号有效特征参数是测试电压和相角与极性的乘积。不同算法下的验证结果表明,本文提出的K-SVM-RFE的特征寻优方法是一种有效的电缆局部放电特征优选方法,可大幅提高电缆缺陷的故障诊断率。

基于多普勒特征恢复的声矢量阵鲁棒自适应波束形成方法

在短快拍、信号导向矢量失配环境下,传统的自适应波束形成方法性能受到影响,对角加载技术是提高算法在复杂环境下性能鲁棒性的重要技术之一。针对水声环境和水声信号特点,提出一种基于声矢量阵的自适应波束形成方法。该方法利用水声信号的多普勒频率信息,在不同环境下自适应地选择最优对角加载因子,确定波束形成的权矢量,从而实现提取期望目标信号、抑制干扰和噪声的目的。无需任何用户参数,鲁棒性强、估计精度高。最后基于声矢量阵进行仿真实验,仿真结果证明了所提出的方法能够有效地获取目标信号,具有较好的抗干扰能力。