發(fā)布時(shí)間：2017-11-03 09:31

  本文關(guān)鍵詞：基于小波變換的船舶電能質(zhì)量暫態(tài)擾動分析與識別

  更多相關(guān)文章： 電能質(zhì)量 小波變換 閾值去噪 特征向量 支持向量機(jī)

【摘要】：為了更好地分析船舶電能質(zhì)量問題,找出引起電能質(zhì)量問題的原因和采取針對性的解決方案,對電能質(zhì)量暫態(tài)擾動進(jìn)行正確地分類,具有十分重要的意義。本文首先對電能質(zhì)量問題做了介紹,對現(xiàn)有的電能質(zhì)量分析和分類方法做了深入的研究。然后利用小波變換結(jié)合支持向量機(jī)的方法,對電能質(zhì)量暫態(tài)擾動進(jìn)行分析與識別。所做工作如下：首先,提出了改進(jìn)的閾值函數(shù)小波去噪方法。針對傳統(tǒng)的硬閾值函數(shù)方法去噪不徹底和軟閾值函數(shù)易丟失有用信息的不足,提出了一種折衷的閾值函數(shù)方法。建立了五種電能質(zhì)量暫態(tài)擾動的數(shù)學(xué)模型,對其進(jìn)行高斯白噪聲處理后分別采用三種閾值去噪方法來進(jìn)行去噪處理。仿真結(jié)果表明,擾動信號經(jīng)改進(jìn)的閾值函數(shù)方法去噪后,信噪比和均方根均優(yōu)于傳統(tǒng)的硬閾值函數(shù)和軟閾值函數(shù),同時(shí)具備兩種方法的優(yōu)點(diǎn)。然后,利用小波變換對電能質(zhì)量擾動信號進(jìn)行特征向量的提取。通過對特征向量提取方法的分析,利用小波變換提取小波系數(shù)的能量差作為特征向量。該方法的優(yōu)點(diǎn)在于特征向量個(gè)數(shù)少,計(jì)算方便,分類準(zhǔn)確率高。通過分析基礎(chǔ)小波的類別和小波變換分解尺度對特征向量的影響,最終采用Db4小波進(jìn)行10層分解來提取特征向量。仿真結(jié)果表明,該條件下提取的特征向量具有較優(yōu)的分類效果。最后,提出一種改進(jìn)的一對多法多分類支持向量機(jī)分類器方法。針對普通多分類支持向量機(jī)分類器不能夠識別復(fù)合電能質(zhì)量暫態(tài)擾動的不足,提出一種改進(jìn)多分類方法。該方法不僅繼承了原方法快速和準(zhǔn)確的優(yōu)點(diǎn),而且實(shí)現(xiàn)了復(fù)合電能質(zhì)量暫態(tài)擾動的分類功能。仿真結(jié)果表明,該方法的性能優(yōu)于一般的人工神經(jīng)網(wǎng)絡(luò)分類器和普通多分類支持向量機(jī)分類器方法。本文提出的以上電能質(zhì)量暫態(tài)擾動分析識別方法,針對以往方法的局限性,分別在去噪和分類器多分類功能方面做了改進(jìn)。仿真結(jié)果驗(yàn)證了上述方法在電能質(zhì)量暫態(tài)擾動問題中的可行性和有效性。
【關(guān)鍵詞】：電能質(zhì)量 小波變換 閾值去噪 特征向量 支持向量機(jī)
【學(xué)位授予單位】：大連海事大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2015
【分類號】：U665.1
【目錄】：

• 摘要5-6
• Abstract6-10
• 第1章 緒論10-19
• 1.1 課題研究背景及意義10
• 1.2 電能質(zhì)量的定義和分類10-13
• 1.2.1 電能質(zhì)量的概念10-11
• 1.2.2 電能質(zhì)量的標(biāo)準(zhǔn)11-13
• 1.3 國內(nèi)外研究現(xiàn)狀13-17
• 1.3.1 電能質(zhì)量分析方法研究13-15
• 1.3.2 電能質(zhì)量分類方法研究15-17
• 1.4 本文主要工作17-19
• 第2章 小波變換基本理論19-27
• 2.1 引言19
• 2.2 小波變換19-25
• 2.2.1 連續(xù)小波變換19-20
• 2.2.2 離散小波變換20-21
• 2.2.3 二進(jìn)制小波變換21-22
• 2.2.4 多分辨率分析22-23
• 2.2.5 小波變換的Mallat快速算法23-24
• 2.2.6 小波奇異性檢測原理24-25
• 2.3 本章小結(jié)25-27
• 第3章 基于小波變換的信號去噪處理27-43
• 3.1 引言27-28
• 3.2 幾種電能質(zhì)量暫態(tài)擾動信號模型的建立28-31
• 3.3 基于小波變換的電能質(zhì)量擾動信號去噪31-38
• 3.3.1 擾動信號小波去噪原理31-32
• 3.3.2 閾值的選擇32-35
• 3.3.3 閾值函數(shù)的選擇35-38
• 3.4 仿真分析38-42
• 3.5 本章小結(jié)42-43
• 第4章 基于小波變換電能質(zhì)量擾動信號特征提取43-52
• 4.1 引言43
• 4.2 小波基函數(shù)和分解層數(shù)的確定43-45
• 4.2.1 小波基函數(shù)的確定43-44
• 4.2.2 分解層數(shù)的確定44-45
• 4.3 小波變換的特征提取45-47
• 4.4 仿真分析47-51
• 4.4.1 小波分解層數(shù)對特征量的影響47-48
• 4.4.2 信號擾動發(fā)生時(shí)間與擾動幅值對特征量的影響48-51
• 4.5 本章小結(jié)51-52
• 第5章 電能質(zhì)量暫態(tài)擾動信號的支持向量機(jī)分類52-64
• 5.1 引言52
• 5.2 支持向量機(jī)的基本原理52-59
• 5.2.1 統(tǒng)計(jì)學(xué)習(xí)理論53-54
• 5.2.2 基本支持向量機(jī)54-57
• 5.2.3 核函數(shù)57-58
• 5.2.4 多類支持向量機(jī)58-59
• 5.3 基于支持向量機(jī)的電能質(zhì)量暫態(tài)擾動分類方法59-61
• 5.4 仿真驗(yàn)證61-63
• 5.5 本章小結(jié)63-64
• 結(jié)論64-66
• 參考文獻(xiàn)66-71
• 致謝71-72
• 作者簡介72

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前7條

1 任震,黃雯瑩,何建軍,石志強(qiáng),楊樺,楊浩;小波分析及其在電力系統(tǒng)中的應(yīng)用(一)概論[J];電力系統(tǒng)自動化;1997年01期

2 凌玲;徐政;;基于數(shù)學(xué)形態(tài)學(xué)的動態(tài)電能質(zhì)量擾動的檢測與分類方法[J];電網(wǎng)技術(shù);2006年05期

3 張全明;劉會金;周新啟;王亞軍;;電能質(zhì)量信號的小波軟閾值去噪方法[J];高電壓技術(shù);2006年01期

4 鄔春明;謝妮娜;;改進(jìn)的小波閾值在電能質(zhì)量信號去噪中的應(yīng)用[J];計(jì)算機(jī)工程與應(yīng)用;2012年03期

5 祁亨年;支持向量機(jī)及其應(yīng)用研究綜述[J];計(jì)算機(jī)工程;2004年10期

6 楊洪耕;劉守亮;肖先勇;鄧武軍;陳丹;;基于S變換的電壓凹陷分類專家系統(tǒng)[J];中國電機(jī)工程學(xué)報(bào);2007年01期

7 郭曉霞;楊慧中;;小波去噪中軟硬閾值的一種改良折衷法[J];智能系統(tǒng)學(xué)報(bào);2008年03期

中國博士學(xué)位論文全文數(shù)據(jù)庫 前2條

1 潘明清;基于支持向量機(jī)的機(jī)械故障模式分類研究[D];浙江大學(xué);2005年

2 宋雪雷;基于小波變換和支持向量機(jī)的電能質(zhì)量擾動分析方法[D];哈爾濱工業(yè)大學(xué);2007年

，

本文編號：1135630