仪器仪表学报
儀器儀錶學報
의기의표학보
Chinese Journal of Scientific Instrument
2015年
10期
2167-2173
,共7页
沈跃%张瀚文%刘国海%刘慧%陈兆岭
瀋躍%張瀚文%劉國海%劉慧%陳兆嶺
침약%장한문%류국해%류혜%진조령
电能质量%识别%稀疏表示%字典学习%重构算法
電能質量%識彆%稀疏錶示%字典學習%重構算法
전능질량%식별%희소표시%자전학습%중구산법
power quality%identification%sparse representation%dictionary learning%reconstruction algorithm
电能质量扰动识别方法通常是先通过数字信号处理工具对信号进行检测和特征提取,再采用人工智能方法对特征进行分类识别,增加了识别过程的复杂性和冗余性.提出一种基于判别字典学习(DDL)的稀疏表示电能质量扰动识别方法,可有效减少识别步骤、降低复杂性,并提高识别率.该方法首先采用主成分分析方法将K类扰动训练样本集降维为扰动降维特征训练样本集,由各类样本分别训练出冗余子字典,然后级联成判别字典.接着基于l0范数算法求解出降维测试信号在该判别字典下的稀疏表示矩阵,最后利用不同的冗余子字典重构测试样本,由冗余残差最小值确定目标归属类,实现对电能质量扰动信号的识别.仿真实验结果表明该方法能有效地对不同电能质量扰动进行识别,过程简单、数据量少、抗噪声鲁棒性好,在信噪比20 dB以上的噪声环境中电能质量扰动识别准确率达到95％以上.
電能質量擾動識彆方法通常是先通過數字信號處理工具對信號進行檢測和特徵提取,再採用人工智能方法對特徵進行分類識彆,增加瞭識彆過程的複雜性和冗餘性.提齣一種基于判彆字典學習(DDL)的稀疏錶示電能質量擾動識彆方法,可有效減少識彆步驟、降低複雜性,併提高識彆率.該方法首先採用主成分分析方法將K類擾動訓練樣本集降維為擾動降維特徵訓練樣本集,由各類樣本分彆訓練齣冗餘子字典,然後級聯成判彆字典.接著基于l0範數算法求解齣降維測試信號在該判彆字典下的稀疏錶示矩陣,最後利用不同的冗餘子字典重構測試樣本,由冗餘殘差最小值確定目標歸屬類,實現對電能質量擾動信號的識彆.倣真實驗結果錶明該方法能有效地對不同電能質量擾動進行識彆,過程簡單、數據量少、抗譟聲魯棒性好,在信譟比20 dB以上的譟聲環境中電能質量擾動識彆準確率達到95％以上.
전능질량우동식별방법통상시선통과수자신호처리공구대신호진행검측화특정제취,재채용인공지능방법대특정진행분류식별,증가료식별과정적복잡성화용여성.제출일충기우판별자전학습(DDL)적희소표시전능질량우동식별방법,가유효감소식별보취、강저복잡성,병제고식별솔.해방법수선채용주성분분석방법장K류우동훈련양본집강유위우동강유특정훈련양본집,유각류양본분별훈련출용여자자전,연후급련성판별자전.접착기우l0범수산법구해출강유측시신호재해판별자전하적희소표시구진,최후이용불동적용여자자전중구측시양본,유용여잔차최소치학정목표귀속류,실현대전능질량우동신호적식별.방진실험결과표명해방법능유효지대불동전능질량우동진행식별,과정간단、수거량소、항조성로봉성호,재신조비20 dB이상적조성배경중전능질량우동식별준학솔체도95％이상.
