一种暂态电能质量检测新方法的研究

电能质量扰动会带来复杂信号调制特性,使得从电能质量监测数据中提取扰动信号特征面临困难。为提高噪声背景下复合电能质量扰动检测准确性,本文采用自适应无参经验小波变换(adaptiveparameterless empirical wavelet transform,APEWT)对扰动信号进行模态分解,进而基于频率加权能量算子(frequency-weighted energy operator,FWEO)对单模态分量进行能量计算,同时通过解调提取用于扰动定位的瞬时频率和幅值特征量。一方面,APEWT中基于自适应频带分割的小波滤波器组输出仅包含有效模态分量,有效避免了模态混叠现象的出现;另一方面,FWEO噪声鲁棒性有效提高了强噪声背景下扰动特征提取的准确性。将算法应用到仿真及实测信号,结果显示该方法能够有效地追踪扰动信号的瞬时变化,且解调得到的瞬时频率和幅值也进一步证明了方法的可行性和有效性。

基于注意力机制的特征融合的暗图像增强网络

暗图像能见度低、颜色失真、细节丢失,会对计算机视觉应用造成干扰。提出了基于无参注意力、高效通道注意力、像素注意力和通道注意力的特征融合的暗图像增强网络。提出的网络使用对抗式训练,具有提高图像亮度、增强图像颜色内容和细节信息的能力。算法增强结果的结构相似度(PSNR)和峰值信噪比(SSIM)均优于所对比的算法。

基于混沌迁移及无参数变异差分进化算法的舰船电力系统网络重构

为更好地利用差分进化算法对舰船电力系统网络进行重构,提出一种基于混沌迁移及无参数变异的差分进化算法.针对差分进化算法寻找最优解容易陷入早熟的问题,引入一种基于混沌迁移的并行进化策略.该策略将原有种群分为多个子种群,进行并行进化.在优化过程中引入混沌迁移序列引导个体迁移,利用混沌的遍历性和随机性,保证子种群间能高效地进行信息交换.针对电力系统网络重构中的0,1,2编码方式在解码中信息丢失问题,提出一种无参数变异算子.这个算子能使算法结构简单、利于运算.最后利用混沌序列初始化种群和Pareto选择策略提高舰船重构效率.仿真实验表明,改进的算法具有更好的故障恢复方案,能有效避免差分进化算法在求解电力系统网络重构时的早熟问题.

无参数变异的二进制差分进化算法

鉴于差分进化算法在解决复杂连续问题上的优良性能,针对0-1变量的特点,提出了一种用于求解0-1规划问题的二进制差分进化算法(BDEPM).与采用离散变换和逻辑运算的改进算法相比,BDEPM算法中的变量采用二进制编码方式,在进化过程中无需变异率,即可根据个体间的差异直接在离散域内进行变异,算法的思路清晰、结构简单、控制参数少、易于理解和实现.将BDEPM用于求解0-1背包问题,针对其约束提出了一种二次贪婪变换的修复策略,两个背包实例的仿真对比实验验证了BDEPM算法的优越性.

DSets-DBSCAN无参数聚类的雷达信号分选算法

针对现有的很多高效分选算法的性能严重依赖于外界输入的参数问题,例如聚类数目、聚类容差等,将无参数聚类算法DSets-DBSCAN应用于雷达信号分选,提出了一种无参数的雷达信号脉冲聚类算法。该算法无须依赖于任何参数的设置,就能自适应地完成聚类。算法输入直方图均衡化处理过的成对相似性矩阵,使得Dsets(dominant sets)算法不依赖于任何参数;根据得到的超小簇自适应给出DBSCAN的输入参数;利用DBSCAN扩展集群。仿真实验证明,该算法对雷达脉冲描述字特征进行无参数分选的有效性。同时,在虚假脉冲比例(虚假脉冲数/雷达脉冲数)不高于80%的情况下,对雷达信号的聚类准确率在97.56%以上。

基于自适应无参经验小波变换和选择集成分类模型的运动想象

运动想象模式识别率的提高对脑机接口(BCI)技术的应用具有重要意义,本文采用自适应无参经验小波变换(APEWT)和选择集成分类模型相结合的方法提高脑电(EEG)信号的分类识别准确率.首先,通过APEWT将EEG信号分解成不同的模态;然后,使用最优模态重构后的信号计算其能量谱(ES)特征,使用最优模态分量计算其边际谱(MS)特征;最后,将不同时间段的ES特征和不同频段的MS特征输入到构建的选择集成分类模型中,从而得到其分类结果,并将该方法与其他4种组合方法进行比较.实验结果表明,本文方法具有较好分类准确率和实时性,其平均分类正确率高于其他4种方法,同时较近期使用相同数据的文献也有优势.本文为在线运动想象类BCI的应用提供了新的方法和思路.

基于改进的自适应无参经验小波变换的滚动轴承故障诊断

为实现滚动轴承故障周期冲击特征的有效提取,解决经验小波变换Fourier谱分割存在的问题,提出了一种改进的自适应无参经验小波变换方法。首先,利用自适应无参经验小波变换对信号Fourier谱进行自适应分割;然后,利用峭度指标对谱边界进行合并,并重构滤波器组对信号进行分解;最后,选取峭度值最大的分量进行包络解调提取故障特征。仿真和工程应用验证了所提方法的有效性,分析结果表明该方法的性能优于集合经验模态分解和经典经验小波变换。

一种求解分类问题的新算法(英文)

本文提出了基于支持向量回归机(SVR)的一种新分类算法.它和标准的支持向量机(SVM)不同:标准的支持向量机(SVM)采用固定的模度量间隔且最优化问题与参数有关.本文中我们可以用任意模度量间隔,得到的最优化问题是无参数的线性规划问题,避免了参数选择.数值试验表明了该算法的有效性.

无参数鲁棒线性规划支持向量机分类的牛顿法

Mangasarian最近提出的用于分类的无参数鲁棒线性规划支持向量机克服了标准支持向量机的一些缺点,而且模型简单,容易实现。该文讨论了这种新型支持向量机的线性规划问题的最小2-范数解,在此基础上给出了一个快速的牛顿算法。

基于无参数经验小波变换的风电齿轮箱故障特征提取

风电机组通常以集群规模化运行,机组结构复杂、振动测点多,所产生的振动数据量大,仅靠人工进行故障诊断具有较大挑战。提出基于无参数经验小波变换的风电齿轮箱故障特征提取方法,运用尺度空间方法和经验法则对振动信号的傅里叶谱进行自动分割,获得不同的滤波频带,据此设计一系列经验小波滤波器对信号进行分解和重构,获得不同频带下的经验模式,进一步采用裕度因子对分解后的经验模式进行排序,选取裕度因子最大的经验模式作为故障敏感模式;该方法能在无需预设任何参数的情况下对振动信号进行分解与故障特征提取,具有自适应性。风电试验台和实测风电齿轮箱故障案例验证了方法的有效性。

全局优化问题的一个新的无参数填充函数

求全局最优化问题的填充函数算法被提出以来,参数的选取和调整一直是制约算法有效性的因素。如何在实际的计算过程中选取合适的参数,直接影响和决定了运算速度和效率。因此,构造不含参数的填充函数就显得极为重要。提出一个新的无参数的填充函数,对其理论性质进行了分析,并给出相应的填充函数算法,数值计算验证了算法的有效性。

OPTIMIZATION BASED ON LMPROVED REAL—CODED GENETIC ALGORITHM

An improved real-coded genetic algorithm is pro-posed for global optimization of functionsl.The new algo-rithm is based om the judgement of the searching perfor-mance of basic real-coded genetic algorithm.The opera-tions of basic real-coded genetic algorithm are briefly dis-cussed and selected.A kind of chaos sequence is described in detail and added in the new algorithm ad a disturbance factor.The strategy of field partition is also used to im-prove the strcture of the new algorithm.Numerical ex-periment shows that the mew genetic algorithm can find the global optimum of complex funtions with satistaiting precision.