基于随机森林-遗传算法-极限学习机的非侵入式负荷识别方法

提高负荷识别准确率是实现非侵入式负荷监测的关键技术。针对现有模型识别准确率低,特征冗余度高、可分性较差的问题,提出一种基于随机森林(RF)和遗传算法优化极限学习机(GA-ELM)的负荷识别方法。首先从稳态电流信号中提取时域和频域信息作为负荷特征。为进一步减小特征集的冗余度并剔除可分性较差的特征,使用随机森林算法对特征进行优选,得到最优特征集。最后使用遗传算法优化极限学习机的权值和偏置参数,建立负荷识别模型。利用所建立的模型对11个家用电器共16种负荷状态进行识别,实验结果表明,所提模型可以提高识别准确率,使用该模型可以对家用负荷进行快速有效识别。     

基于CF-MF-SE联合特征的非侵入式负荷辨识

针对目前非侵入式负荷辨识存在模型训练时间过长以及负荷特征相近的电器辨识精度不高的问题,提出了一种基于CF-MF-SE联合特征的非侵入式负荷辨识方法。以稳态电流信号为基础,通过提取峰值因数表征波形的畸变程度,采用裕度因子表征信号的平稳程度,谱熵表征频谱结构复杂程度,并结合PSO-SVM实现负荷辨识。结果表明,新方法可解决电器电流波形相近不易识别的难题,减少训练时间,有效提高识别准确率和效率。所提方法将振动信号特征作为负荷特征引入负荷辨识领域,为非侵入式负荷辨识技术的特征选取提供了新思路,其中谱熵作为对负荷敏感的关键特征,与其他特征组合可明显提高辨识率,为实际应用中负荷特征的灵活选择提供了参考。     

基于随机森林的电机异音故障诊断方法

针对电机异音故障检测技术存在准确率低、模型复杂等问题,提出一种基于随机森林的电机异音故障诊断方法。通过自行研制的汽车智能座椅靠背电机振动测试平台,分析电机故障产生过程及异音的特征,并从时域中提取11个特征表征异音信号的变化;通过主成分分析法对所提取的特征进行降维,在训练基于随机森林和概率神经网络的电机故障智能识别方法基础上,通过自行研制的汽车智能座椅靠背电机振动测试平台采集数据,得到随机森林的平均识别准确率为95.11%±2.17%,概率神经网络的平均识别准确率为93.90%±2.16%。     

基于M-WDLS和PCA的转子故障诊断方法

针对不同故障特征属性交互重叠导致的故障类别辨识困难问题,提出一种基于Manhattan距离作为特征之间相似度信息测度的权值判别拉普拉斯分值特征选择方法.该方法采用Manhattan距离衡量高维特征矢量之间的相似度,并将数据样本标记信息融入权值计算中以增强权值的判别性,提升了LS算法的敏感特征筛选性能.将M-WDLS和主成分分析相结合,提出基于M-WDLS和PCA的转子故障诊断方法.首先提取原始振动信号的时域、频域、时频域特征构造混合域特征集;然后利用M-WDLS选择敏感特征组成敏感特征矩阵;最后对敏感特征矩阵进行PCA降维处理,并将结果输入到K-近邻分类器中进行模式识别.对比实验的结果表明,该方法能有效提取转子系统振动信号的状态特征,有助于提高故障辨识的准确率.     

基于深度学习和激光多普勒测振技术的机械臂电机故障时频尺度诊断方法

机械臂电机振动信号的采集效果较差,影响时频特性分析过程,导致故障诊断效果与精度较差,为此提出基于深度学习和激光多普勒测振技术的机械臂电机故障时频尺度诊断方法。使用激光多普勒测振技术与小波阈值去噪算法,建立机械臂电机振动信号采集系统,获取并重构故障信号;提取电机振动信号的时域、频域等尺度特征,引入人工神经网络建立一个具备学习能力的故障诊断模型,将提取的机械臂电机故障时域、频域等尺度特征输入诊断模型中,输出分类诊断结果,即可完成机械臂电机故障时频尺度诊断。结果表明：利用该方法开展电机故障诊断时,检测结果与实际电机故障类型之间偏差较小,诊断效果好、精度高。     

基于奇异样本熵和随机森林的某电机故障诊断研究

针对传统奇异值算法分解出的奇异值数目较多、运算量较大且不能完整表达信号矩阵整体特征与内部差异本质的缺陷,提出一种将Hankel矩阵奇异样本熵、奇异能量值和随机森林相结合的电机故障诊断方法。首先将提取到的电流信号进行Hankel矩阵转换和奇异值分解,再求出所有奇异值及其奇异能量值和奇异样本熵,最后将其作为特征参数输入到泛化性能较好的随机森林分类器进行诊断。实验结果表明,提出的故障诊断方法能有效提高某电机的故障诊断率,其最终故障诊断率高达96.7%。     

排水管道堵塞故障的声诊断方法研究

针对现有城市排水管道堵塞程度难以辨识的问题,提出一种基于多特征融合与随机森林的排水管道堵塞程度辨识方法.首先对排水管道中采集到的声响应信号进行分帧处理建立信号帧集合.其次,提取各个信号帧的A计权总声压级、能量熵、分形盒维数指标构建特征向量集合;引入距离可分性判据,以达到对特征向量集合去冗余并提高特征区分度的目的;并利用类内类间散布矩阵的迹作为权重实现特征的加权融合.最后,对加权融合的特征向量集合使用随机森林进行故障辨识.实验结果表明,基于距离可分性判据的多特征融合特征向量集合可取得更高的管道堵塞故障识别率;同时,随机森林的堵塞辨识模型与SVM辨识模型比较,随机森林辨识模型有较高的准确率和较快的辨识速度.经验证,本方法不仅能有效地识别不同程度的管道堵塞故障和重复堵塞情况,而且能够排除管道配件比如三通件对故障识别的影响.     

基于K-means聚类与PSO特征优选KNN的分级负荷识别方法

针对非侵入式负荷辨识中,单一V-I轨迹特征无法对相似的轨迹特征进行有效识别以及所提取特征易出现冗余甚至噪声特征的问题,提出了一种基于K-means聚类与PSO特征优选的分级非侵入式负荷识别方法。首先,利用K-means算法对负荷V-I轨迹的HOG特征进行初步分类,将轨迹相似的电器分为一类;然后,对每一类中的电器电流数据进行多维特征提取并采用PSO算法选取最优特征子集;最后,利用KNN模型进行二级负荷识别。实验结果表明,该方法有效提高了负荷识别准确率;提取V-I轨迹的HOG特征解决了同一电器V-I轨迹波动的问题;对一级分类后的每一大类单独进行PSO特征优选KNN二级分类,解决了部分电器对特征子集适应性差的问题。所提方法在一定程度上解决了冗余特征甚至噪声特征对辨识准确率的影响,为负荷特征的选取提供了新的思路,对负荷辨识的实际应用具有重要的参考意义。     

能量特性与随机森林的孤岛辨识模型

针对在外部扰动作用下传统孤岛检测方法易受到影响,导致错误判断,降低孤岛检测准确率问题,提出基于能量特性与随机森林的孤岛辨识模型.设计了多种干扰运行状态,并提取孤岛和干扰运行状态下的公共耦合点电压信号的特征能量,做归一化处理后组成辨识模型的输入特征向量;通过训练随机森林决策树构造孤岛辨识分类器,从而构建孤岛辨识模型;通过对比不同组数训练样本准确率和不同检测方法的辨识结果,验证该模型的快速性和准确性.研究结果表明:该模型能够快速辨识多种扰动与孤岛运行状态,更全面地保留检测信号的状态信息,为准确辨识孤岛效应的研究提供参考.     

基于有限集模型预测的电机模拟器故障电流跟踪方法

电机故障情况下电机模拟器跟踪定子电流动态响应慢、精度低,为了解决这一问题,提出一种基于有限集模型预测的故障电流跟踪方法。首先,构建基于信号调理的故障注入器,根据给定指令设定预测控制器的参考电流信号;然后,建立电机模拟器负载电流预测模型,在每一个采样周期内,计算所有开关状态下负载电流的预测值;最后,构建评价函数,计算每一个扇区对应的评价函数值,选取最小评价函数值对应的扇区内的开关状态作为电机模拟器下一个采样周期的开关状态。研究结果表明:本文提出的方法可以有效地跟踪电机模拟器故障电流,与传统PI调节相比,动态响应速度更快,跟踪精度更高。     

基于混沌信号时域波形包络特征的触电电流检测方法

针对剩余电流保护装置存在的拒动、误动以及触电电流信号难以提取的问题,提出一种基于混沌信号时域波形包络特征的触电电流混沌检测方法.利用混沌系统对初始条件敏感和对噪声免疫的特性,根据混沌理论,采用矢量分析方法,提出待测信号相位的检测方法;依据混沌系统不同状态时输出x时域波形包络线的差异性,提出将x时域波形极值点序列标准差作...     

非平稳信号分析在断路器故障诊断中的应用

介绍两种非平稳信号的分析建模的算法，即Ｗｉｇｎｅｒ 方法和时域衰减振荡模型方法，并将它们应用在高压断路器的操作振动分析上，从而建立模型、萃取特征参数、辨识结构状态，为断路器操作系统的故障诊断提供有用手段。Ｗｉｇｎｅｒ 算法能获得形象的信号时域及频域特征，而模型参数方法则更适合于定量的判断识别。     

基于混合特征图的非侵入式负荷监测算法

针对目前的非侵入式负荷监测算法所需运算成本高、难以实用推广的现状，提出一种低运算成本的基于混合特征图的非侵入式负荷监测算法。首先，提取设备的功率特征和稳态电压-电流轨迹图特征，将设备功率特征进行维数变换后与电压-电流轨迹特征图组合，得到设备混合特征图。该特征图以小尺寸灰度图为载体，减小了硬件存储与模型算力的成本。然后，基于LeNet卷积神经网络建立设备辨识模型，以混合特征图为输入，实现对设备种类的辨识。最后，使用PLAID数据集对所提算法的结果准确性与计算性能进行测试。结果表明：所提算法的设备辨识准确率可达92.7%,与辨识准确率相差小于1%的同类算法相比，在算法参数量和运算量方面减少了99%,能有效减少NILM的运算成本。     

趋势分析法在数控加工负荷辨识中的应用

分析了一类非平稳主轴电流信号的特点,给出了一种基于主轴电流信号的数控加工过程中负荷辨识的方法,该方法利用趋势分析中循环平稳信号的特点,借助移动时间平均和校正预测控制算法,可直接面向控制．实验研究表明,基于该方法的加工过程负荷辨识可实现切深0．05mm变化时有效分辨的能力．     

基于CART决策树的柴油机故障诊断方法研究

采用一种自适应局部有效值（RMS）计算方法提取柴油机缸盖振动信号时域特征,结合分类回归树（CART）算法建立故障分类模型并进行柴油机的状态识别。通过实验获取柴油机失火和撞缸两种故障工况及正常工况下的振动数据,计算出原始信号的局部RMS后,根据自适应阈值确定点火冲击区域和非点火上止点冲击区域提取局部特征,最后将特征输入CART算法中构建分类模型来验证所提取特征的有效性。结果表明：柴油机在3种状态下的识别率均达到100%,基于CART算法和局部特征提取的方法能够有效诊断柴油机故障。     

船载直流微电网储能系统自主均流策略

为实现船载直流微电网储能系统负荷电流合理分配及母线电压无差调节,提出一种基于储能荷电状态收敛的自主均流策略.该策略在传统下垂控制的基础上增设一个补偿外环,通过在环内构建荷电状态收敛函数来自适应调节负荷电流及参考电压,使负荷电流随着荷电状态的动态均衡而实现合理分配,并维持较高的母线电压水平.给出了荷电状态收敛证明,并分析了相关参数的选取规则;此外,为减轻储能系统通信压力,构筑了稀疏通信网络架构,利用动态平均一致性算法估算全局荷电状态平均值并使其稳定收敛;最后,搭建了StarSim硬件在环实验平台.结果 表明,该策略在多种复杂工况下均能实现荷电状态均衡、负荷均流及直流母线电压稳定的控制目标.     

双边永磁同步直线电机随机模型系统辨识

为解决双边永磁同步直线电机离散传递函数模型参数动态变化、传统方法辨识精度低的问题,提出一种基于随机模型的系统辨识方法,分析运动过程中的系统特性,结合具有随机扰动项的Box-Jenkins模型,辨识动态系统传递函数模型参数。通过注入不同频率逆M序列电流信号,充分激发系统响应,比较分析不同实验条件下的系统辨识结果。选择预报误差法定义平方差代价函数,运用Levenberg Marquardt算法不断迭代优化以获得传递函数模型最优参数。通过对不同采样频率、不同注入电流幅值和不同电机运动速度条件下的系统辨识对比分析,获得最佳辨识模型。结果表明,当采样频率为1000 Hz,注入电流幅值为2.0 A和电机运动速度为50 mm?s-1时,获得最优辨识仿真输出匹配度为94.81%,平方差为7.84×10-4。     

基于XGBoost的多种生理信号评估心理压力等级方法

基于生理信号客观评估心理压力状态成为目前的研究热点,但最佳评估算法有待进一步探索.本文选择心算任务诱发受试者的心理压力,采集了21位在校大学生的脑电、心电、皮肤电导、脉搏波4种生理信号.提取各生理信号时域和频域的多种特征,使用方差分析(ANOVA)、最大相关最小冗余(mRMR)、单个特征支持向量机(SVM)分类准确率、随机森林(RF)特征重要性、梯度上升决策树(GBDT)特征重要性、极端梯度提升(XGBoost)特征重要性6种特征选择方法筛选出有效特征,利用SVM、K近邻(KNN)、高斯朴素贝叶斯(GNB)、自适应提升算法(Adaboost)、GBDT、XGBoost 6种分类器对提取的特征进行分类.结果得出,GBDT特征筛选与XGBoost分类器的组合模型对心理压力的等级评估效果最佳.     

基于RLS的嵌入式永磁同步电机参数辨识技术

电机参数变化影响电机控制性能,因而需要对电机参数进行在线辨识,基于嵌入式永磁同步电机在两相坐标系里的动态状态方程,通过检测电机的定子电压、电流和转子转速信号,利用递推最小二乘法算法对嵌入式永磁同步电机参数进行辨识,由于该方法所用的信号均可检测到,从而减少了其他干扰对电机参数辨识的影响,提高了参数辨识的准确性。仿真结果和实验验证了辨识方案的有效性。     

基于电压源变频器的异步电机定子电阻辨识方法研究

获得准确的电机参数是实现异步电机矢量控制、直接转矩控制、逆解耦控制等高性能控制策略的关键,尤其定子电阻误差对定子磁链观测精度有直接的影响.本文分析了传统基于变频器的异步电机定子电阻参数辨识存在问题,并提出了一种既可以消除电力开关器件通态压降影响又解决高频谐波干扰问题的定子电阻辨识方法.设计了跟踪-微分器从高频干扰电流信号中提取直流电流.搭建了仿真测试平台,测试了多组实验数据,构造数据矩阵,并采用最小二乘法估计待辨识的定子电阻,仿真结果验证了该方法具有很强的抗干扰能力及高的辨识精度.