基于优化长短时记忆网络的海面微弱目标检测

针对强混沌背景噪声下传统方法难以检测微弱目标信号的问题,研究了混沌相空间重构理论和麻雀寻优算法,提出一种基于优化长短时记忆网络(LSTM)的混沌背景下微弱信号检测方法。利用麻雀搜索算法优化LSTM模型参数,提高模型预测精度,降低目标检测门限,结合LSTM模型进行单步预测,利用预测误差从强海杂波背景下检测出微弱目标信号。以Lorenz混沌系统作为混沌背景进行仿真实验,对叠加的小信号进行检测,结果表明,该方法能够有效地检测微弱信号,其预测的均方根误差0.00171(信噪比为-137.707 dB),相较于传统神经网络预测模型、LSTM预测模型、GA-LSTM预测模型、PSO-LSTM预测模型均有显著提升。利用IPIX雷达信号进行预测实验,进一步验证了该方法的有效性。

基于温度分析的抽水储能发电机故障模式识别

为提高抽水蓄能电站系统运行的稳定性和可靠性,提出了一种通过主站发电机瓦温信息构建发电机故障诊断模型的方法。以温度值作为特征量构建了支持向量机故障诊断模型,结合麻雀算法全局寻优和局部寻优自由切换的优势,将故障识别正确率作为迭代更新的目标函数,对支持向量机的惩罚因子以及核函数半径的参数组合进行优化。根据麻雀种群位置优化特点,给出了基于麻雀搜索算法进行SVM参数优化的详细步骤流程,并对采集的水泵发电机实测温度数据进行验证和分析。实测数据表明,所提方法可对下导瓦间隙偏小、冷却器容量不足、透平油老化、杂质混入等故障模式进行识别。与若干现行同类方法进行对比分析可知,基于温度分析的发电机故障诊断方法可为抽水储能发电机运行状态监测及主站电机的安全可靠运行提供有益参考。