桑博
- 作品数：3 被引量：14H指数：2
- 供职机构：军械工程学院更多>>
- 发文基金：国家自然科学基金更多>>
- 相关领域：电子电信电气工程更多>>
- 基于GA-SVM的电能质量扰动分类方法研究被引量：4
- 2017年
- 电能质量扰动的准确分类,是电能品质改善和治理的重要决策依据.为解决支持向量机(SVM)分类器在多分类问题中的不足,采用模式识别领域中聚类分析的思想,提出了一种基于遗传算法(GA)的SVM决策树多分类电能质量扰动识别方法.该方法首先对参数进行初步最优值筛选,将得到的初步最优值作为遗传算法初始值进行编码,根据设立的适应度函数完成GA中的选择、交叉、变异等操作,进一步搜索最优值,再以最优决策树构建SVM分类器,最终实现SVM的多分类.仿真结果表明,相比未经优化的SVM模型,基于GA算法优化的SVM具有较高的识别精度和抗噪能力.
- 尹志勇陈永光桑博
- 关键词：电能质量扰动遗传算法支持向量机
- 单一电能质量扰动的分类识别研究被引量：10
- 2016年
- 电能质量扰动的分类识别对电能质量综合治理具有重要意义,为此提出了一种基于粒子群优化极限学习机的电能质量扰动分类新方法。利用小波变换将扰动信号做10层分解,提取有效区分扰动信号类型层数的能量差、能量差平均值及能量差的标准差作为特征向量,并将扰动信号与正常信号的均方根作为补充,减少输入向量维度。提出采用极限学习机训练误差作为粒子群的适应度函数来优化隐含层神经元个数,在提升分类速度的基础上保持较高的分类精度。经仿真验证表明,该方法能够准确有效地识别常见的7种扰动类型,相比于传统的BP神经网络具有较高的分类速度。
- 桑博刘洪文尹志勇
- 关键词：电能质量极限学习机粒子群算法
- 改进粒子群算法在电能质量信号去噪中的应用
- 2016年
- 针对暂态电能质量扰动信号阈值去噪方法的缺陷及不足,提出了基于改进粒子群的最优阈值法,采用基于SURE无偏估计的自适应最优阈值选择方法对阈值进行选取。在引入粒子群进化速度因子、聚集度因子的基础上加入参数修正因子对粒子群迭代函数的惯性权重进行改进,解决了粒子群算法在后期易陷入局部最优的问题,阈值自适应性及阈值求解精度得到提升。最后通过对两类常见电能质量扰动信号进行去噪仿真验证,结果表明该方法较传统粒子群阈值去噪方法的去噪效果更为明显,具有更好的应用前景。
- 桑博刘洪文尹志勇
- 关键词：暂态电能质量阈值去噪粒子群算法惯性权重
