基于累积和事件段识别与改进谱聚类的锂离子电池储能系统内短路故障检测方法

锂离子电池系统的内短路故障可能导致严重安全事故,其检测受到在线检测实时性以及故障特征获得性制约,是当下锂离子电池储能系统安全运行亟待解决的问题。该文提出一种基于累积和(cumulative sum,CUSUM)事件段检测与改进谱聚类的锂离子电池储能系统内短路故障检测方法。首先,考虑内短路故障时的电压/温度变化特性,基于累积和事件突变点识别方法,识别疑似内短路故障事件段。其次,构建三维故障特征,刻画检测对象内短路故障特征属性。然后,构建基于Wasserstein测度的内短路故障特征距离矩阵,检测三维空间各点稀疏特性,客观划定故障聚类,实现内短路故障检测。搭建锂离子电池内短路实验平台、建立锂离子电池电–热耦合仿真模型,算例结果表明该文方法能够准确识别疑似内短路故障事件段,在不同串并联形式及故障类型下实现故障检测,证明了该文方法的正确性与可行性。

中压配电线路断线高阻接地故障精细化诊断方法

电力系统中可能会出现多个位置电压降低或电流异常的情况,导致中压直流配电网相关故障信号特征会发生明显的形变波动,超过正常的波动区间,导致故障诊断精细化程度下降。提出了中压配电线路断线高阻接地故障精细化诊断方法。在构建高阻接地电阻模型的基础上,采用小波能量矩算法获取中压配电线路断线高阻接地故障特征,将提取的故障特征输入最小二乘多级支持向量机中,实现中压配电线路断线高阻接地故障精细化诊断。仿真结果表明:所提方法获取的故障相电压波形差异小于2.3%;故障相电流波形相似度高于98%;诊断时间较短,故障诊断时的最高识别率可达到98%,平均识别准确率达到了95%;收敛值达到0.97。由此可知,所提方法抗干扰性能强,可以准确识别光伏能源接入中压配电线路断线高阻接地故障,保证光伏能源接入中压配电线路后的稳定运行。

半监督Relief-F特征选择算法

数据规模的不断增加,使得为数据库中全部样本做标记变得尤为困难,数据集也因此呈现出了明显的弱标记性.为此,针对大规模少数标记数据集的特征选择问题,基于经典的Relief-F算法,通过综合考虑有标记样本与无标记样本对数据样本近邻的影响,重新定义样本近邻的搜索策略,提出了一种面向符号数据的半监督特征选择算法.为进一步分析新算法的有效性,仿真实验中选取了5组UCI数据集,并引入机器学习中3个常用分类器对新算法和对比算法的特征选择结果的分类性能作了分析和比较,实验结果很好地验证了本文中提出的新算法的有效性和可行性.

基于稀疏分解与综合测度值的配电网故障选线方法

为提高基于暂态量选线方法的准确性和鲁棒性,同时尽可能多的包含故障信息,提出了一种基于稀疏分解与综合测度值的配电网故障选线方法。首先,利用匹配追踪算法对故障瞬间2个周期内的暂态零序电流进行4次迭代分解;然后,选取1/4周期内的最佳原子作为研究对象,一方面计算原子奇异熵,另一方面利用最佳原子重构得到特征原子,并计算其实际能量;最后,以归一化后原子奇异熵的倒数为自变量,构造了故障信任度函数,进而构造了能够多角度量化故障信息的故障综合测度函数,最大故障综合测度值对应的线路被选取为故障线路。仿真结果表明:故障发生时,求得的故障线路综合测度值大于健全线路综合测度值,基于该特性得到的选线结果不受故障线路类型、故障相角、过渡电阻和故障距离的影响。

基于敏感特征选择与流形学习维数约简的故障诊断

针对故障诊断中特征集包含非敏感特征和维数过高的问题,提出基于特征选择(Feature Selection,FS)与流形学习维数约简的故障诊断方法。提出一种改进的核空间距离测度特征选择方法(Improved Kernel Distance Measurement Feature Selection,IKDM-FS),在核空间中计算样本类间距离和类内散度,优选出使样本类间距大、类内散度小的特征,并根据特征的敏感程度对特征进行加权。通过线性局部切空间排列算法(Linear Local Tangent Space Alignment,LLTSA)对由敏感特征组成的特征子集进行特征融合,提取出对故障分类更加敏感的融合特征,并输入加权k最近邻分类器(Weighted k Nearest Neighbor Classifier,WKNNC)进行故障识别。WKNNC具有比k最近邻分类器(k Nearest Neighbor Classifier,KNNC)更加稳定的识别精度。最后,通过滚动轴承故障模拟实验验证了该方法的有效性。

基于HMM与改进距离测度法的齿轮箱故障诊断

提出基于隐马尔科夫模型(Hidden Markov Model,HMM)与改进距离测度法的齿轮箱故障诊断新方法。在改进的距离测度方法中通过两约束因子调整特征参数灵敏度的评价函数,通过评价函数获得最优特征参数子集,完成对特征参数降维;利用最优特征参数子集训练获得齿轮箱各状态下Markov模型;计算测试数据在各模型的对数似然概率,据概率值大小判断故障类型。齿轮箱验证实验结果表明,改进距离测度法与HMM方法结合能有效识别齿轮箱轴不对中、断齿、磨损等多故障模式,适用性较高,可用于实际齿轮箱系统故障诊断。

基于相似性度量优化的SIFT图像匹配算法

SIFT算法具有很好的尺度、旋转及光照不变性,因此被广泛应用在计算机视觉的诸多领域。但因其算法复杂、计算时间长,导致实时性不好。在研究SIFT特征描述符生成及匹配过程的基础上,提出一种在匹配过程中降低相似性度量计算时间、提高匹配效率的方法。该方法以棋盘距离和街区距离的线性组合替代欧氏距离来度量特征描述符之间的相似性。实验结果表明:该方法在保证SIFT算法鲁棒性的同时,可以降低匹配时间复杂度。

基于特征矩阵的多元时间序列最小距离度量方法

相似性度量是多元时间序列数据挖掘任务过程中一项重要的前期工作,度量质量直接影响到后期整个数据挖掘的性能和结果。利用主成分分析方法对数据集中的每个多元时间序列数据进行特征分析,提取其特征矩阵并且构建相应的新正交坐标系。通过夹角公式来度量2个正交坐标系之间距离,并且结合匈牙利算法计算它们之间的最小距离,进而实现了一种基于特征矩阵的多元时间序列最小距离度量方法。实验结果表明,与传统方法相比,新方法具有较好的相似性度量质量,提高了多元时间序列的数据挖掘效果。

基于信息熵和SVM多分类的飞机液压系统故障诊断

飞机液压系统是典型的非线性系统,故障机理复杂,提取故障信息困难,且故障样本较少。针对飞机液压系统部件故障,文章采用了基于信息熵特征权值分配和支持向量机(SVM)多分类的故障诊断方法。先提取飞机液压系统压力信号的统计特征,然后通过计算特征信息熵为特征分配相应权值,将权值较大的特征作为支持向量机的输入向量,最后建立SVM多分类器将正常与多种故障状态进行分类;所采用的方法不仅有效降低了支持向量机模型的计算复杂度,而且提高了分类精度。通过建立飞机起落架收放系统仿真模型,对该故障诊断方法进行了验证研究。仿真结果表明,该方法选用高斯径向基核函数能够有效对液压系统进行故障诊断。

机电BIT故障特征选择方法研究

提出一种故障特征选择方法 ,该方法采用类内类间距离作为特征评价准则 ,并利用遗传算法良好的寻优能力 ,解决特征的优选问题。轴承诊断实例证明 ,该方法有较好的寻优特征子集的能力 ,能够提高BIT系统的诊断精度 ,降低系统的虚警率 ,因而在机电BIT故障特征选择中有较好的应用前景。

一种基于雾天图像增强的SURF图像匹配方法

在地质灾害监测系统中,可以通过图像的变化检测对发生的灾害进行监测。要精确地进行变化检测,需要首先对图像进行匹配。针对雾天图像匹配精度低的问题,提出了一种基于雾天图像增强的SURF(Speed Up Robust Feature)图像匹配方法,有效地提高了雾天图像的匹配精度。用MSR(Multi Scale Retinex)算法对雾天图像进行增强处理,采用SURF算法完成特征点的提取,用欧式距离来度量特征点的相似度,根据相似三角形的距离比例不变性删除误匹配的点对。实验结果表明,该方法显著提高了图像特征点的匹配精度,为后续利用图像变化检测进行灾害监测提供了良好的基础。

结合类可分性和遗传算法的核ICA特征选择

核独立分量分析(KICA)可以实现特征提取,但当数据量较大时,特征的数量也随之增加.针对这种情况,提出了一种结合类可分性和遗传算法来选择特征并降低其维数的方法.对数据进行KICA处理后得到特征向量及权值矩阵.对于权值矩阵,使用类间类内距离比来进行特征初选.保留权重矩阵中类间类内距离比大的列,及其对应的特征向量.对这些特征向量使用遗传算法来选择最优特征组.两个实验验证了该方法的有效性.

基于特征加权的故障征兆处理算法

为了防范网络中存在的多种多样的安全威胁,由大量异构型安全设备所组成的统一管理平台得到了广泛地应用。然而如何有效地解决由这些安全设备集成所引发的各种冲突和故障,已成为网络管理的重点和难点。提出以距离度量和特征加权算法为基础,对网络中采集到的各种原始样本参数进行数据预处理,以便为故障诊断提供更加可靠、准确地输入参量。由于安全设备的故障特征具有很强的异构特性,所以首先对特征变量进行分类描述。将变量分为连续型、有序型、标称型、二分型四类23种。之后,对不同类型特征变量,提出Euclid、VDM算法、DVDM及IVDM算法来标称不同样本的距离。最后,综合运用知识规则和模糊理论对四种算法分别赋予不同的权重。通过实验及结果分析,显示加权后DVDM和IVDM算法的故障分类准确度增长10%以上,说明该理论算法具有较高的可靠性和准确度。

基于距离度量的故障特征处理算法

为了防范网络中存在的多种多样的安全威胁,由大量异构型安全设备所组成的统一管理平台得到了广泛的应用。然而如何有效地解决由这些安全设备集成所引发的各种冲突和故障,已成为网络管理的重点和难点。本文提出以距离度量算法为基础,对网络中采集到的各种原始样本参数进行数据预处理,以便为故障检测提供更加可靠、准确地输入参量。由于安全设备的故障特征具有很强的异构特性,所以首先对特征变量进行分类描述。将变量分为连续型、有序型、标称型、二分型四类15种。之后,对不同类型特征变量,提出改进IVDM算法来标称不同样本的距离。最后,通过实验及结果分析,显示IVDM算法较其它算法有更高的准确度和可靠性。

利用总体特征对中文签字进行分类的聚类算法

针对不同书写者书写同一字的分类问题,在C-均值法和马氏距离测度的基础之上,提出了一种动态聚类算法,并讨论了签字的总体特征选择问题。利用该聚类算法对不同书写者的签字进行二分分类得到了较好的效果。实验显示,选择一组代表书写者书写风格的特征是分类成败的关键。文中选取的五个总体特征应用到非模仿的签字鉴别中有较好效果。

基于加权距离的新的颜色特征的图像检索算法

针对传统的基于颜色直方图为特征的图像检索算法的不足,提出了将像素的空间平均距离作为颜色特征的新的颜色特征提取算法。为满足不同图像库的特征以及不同用户的需求,在相似度量时引入了加权距离。在实验过程中,选取了以50个国家国旗所组成的图像库进行检索,根据查询图像的颜色特征,利用本文所提出的算法,适当加大红色分量的权重,并在同一坐标系中画出了加权距离与图像检索性能关系的PVR曲线。实验证明,本文提出的算法具有一定的鲁棒性。

基于遗传算法优化小波神经网络的井下电缆故障测距方法

针对煤矿井下电网发生单相接地故障后定位困难,现有测距方法可靠性及测距精度低等问题,提出基于故障后暂态电气量由遗传算法优化小波神经网络,实现井下电缆馈线单相接地故障测距的方法。通过不同过渡电阻,故障距离情况的仿真结果表明,基于遗传算法优化的小波神经网络能实现准确故障测距,且较之基于BP算法小波神经网络的测距方法,其在测距精度和收敛时间方面表现更优。

学生消费行为的聚类分析优化研究和应用

基于现有的数据挖掘技术,采用优化初始聚类中心的方法来改进k-means聚类算法,对新疆农业大学学生一卡通消费数据进行研究和分析,为相关部门提供决策支持.首先,根据需求分析,选取部分学生于2014-2015学年在一卡通系统中产生的真实数据作为分析数据,并进行数据预处理,同时选择食堂消费次数和金额、超市消费次数和金额、就餐场所为特征属性;其次,使用改进的聚类算法进行分析,并且对比分析了基于三种距离度量方式下的k-means聚类算法;然后,得出分析结论,学生的食堂消费行为和超市消费行为;最后,探讨了如何根据分析所得结论为学校提供决策支持.

采用多目标进化模型的无监督故障特征选择算法

高维故障特征数据易影响诊断的处理速度和识别率,而传统单目标特征选择算法易融入主观偏好,从而影响特征选择的质量。为此,提出一种无监督的多目标进化特征选择算法。采用熵度量作为相关度目标,采用相关系数的概念设计了冗余度目标,算法同时将这两个目标作为优化对象;利用样本在各个特征上的分布信息,设计了导向性的种群初始化过程和变异算子,以提高算法的优化能力;还利用集成的方法得到了所有特征的重要度序列。对5组UCI数据和3组往复式压缩机故障数据的测试结果表明,该算法比已有的几种特征选择算法更具优势。

由分类算法学习软件错误定位的关联测度

基于谱的错误定位(SBFL)技术能找出导致程序出错的可执行代码.测试用例数目和覆盖语句次数可构造SBFL的二分型矩阵.利用该矩阵,人们提出许多的SBFL关联测度计算公式.然而,这些关联测度往往只适应部分程序集.因此,提出基于分类算法的技术,能学习到程序集特有的关联测度.训练集样本建立在成对的错误语句和正确语句上,其特征由语句对的条件概率相减而成.为证实技术的有效性,在Siemens套件、space和gzip三个基准数据集上完成实验.使用Weka的Logistic、SGD、SMO和LibLinear训练出的关联测度,性能都明显优于固定形式的SBFL测度.