基于小波变换和GA-BP神经网络的电力电缆故障定位 被引量：2

1

作者 徐先峰 马志雄 +2 位作者 姚景杰 李芷菡 王轲 《电气工程学报》 CSCD 北大核心 2024年第2期146-155,共10页

由于电力电缆敷设于地下,当发生故障时难以快速且准确定位,出现了故障定位问题。因此,提出一种基于小波变换和遗传算法反向传播(Genetic algorithm back propagation,GA-BP)神经网络的电力电缆故障定位方法,在分析对比各小波能量集中程... 由于电力电缆敷设于地下,当发生故障时难以快速且准确定位,出现了故障定位问题。因此,提出一种基于小波变换和遗传算法反向传播(Genetic algorithm back propagation,GA-BP)神经网络的电力电缆故障定位方法,在分析对比各小波能量集中程度和波动次数的基础上,选择多贝西小波(Daubechies wavelet 6,Db6)作为小波基函数,对于各故障位置,采集正向故障行波的α模分量,并对其进行小波分解。选取在d1尺度下的模极大值点作为特征值,同时将故障距离作为标签值,从而构建了训练和测试样本数据集;利用遗传算法(Genetic algorithm,GA)的种群进化和全局最优搜寻能力来改善误差逆传播(Back propagation,BP)网络对初始权重敏感的缺点,并使用优化后的权值、阈值重新对BP神经网络进行训练和预测,最后通过与传统双端行波定位算法、BP算法、粒子群优化BP算法(Particle swarm optimization BP,PSO-BP)相比较,证明了所提方法在测距性能方面的优越性。 展开更多

关键词 小波变换 模极大值 双端测距 BP神经网络 PSO-BP神经网络 GA-BP神经网络

下载PDF 职称材料

空间约束下电动汽车无线充电系统磁耦合结构优化 被引量：1

2

作者 徐先峰 吴慧玲 +2 位作者 杨雄政 卢勇 李陇杰 《电工技术学报》 EI CSCD 北大核心 2024年第12期3581-3588,共8页

电动汽车无线充电系统在尺寸大小与位置偏移等因素的影响下,会导致系统传输能力下降。为了在空间约束条件下提升系统的输出功率、传输效率及抗偏移能力,针对位置偏移与底盘高度不同的实际情况,在经典D4线圈的基础上分别设计了收发端非对... 电动汽车无线充电系统在尺寸大小与位置偏移等因素的影响下,会导致系统传输能力下降。为了在空间约束条件下提升系统的输出功率、传输效率及抗偏移能力,针对位置偏移与底盘高度不同的实际情况,在经典D4线圈的基础上分别设计了收发端非对称D4和收发端非对称D4Q双层线圈磁耦合结构,以提高耦合系数和抗偏移能力。在不同方向的偏移和旋转的情况进行仿真测试,表明收发端非对称D4Q双层线圈在出现横向偏移300 mm、纵向偏移400 mm、传输距离230 mm和旋转偏移45°以内具备无线电能传输能力。通过搭建实验平台对偏移进行测试与验证,结果表明,所提出的收发端非对称D4Q磁耦合结构的最大输出功率相对于收发端对称D4磁耦合结构增加约60.34%,最大传输效率增大11%。 展开更多

关键词 电动汽车 无线充电 补偿电路拓扑 磁耦合结构 平台搭建

下载PDF 职称材料

基于充电站谐波特性的频率自适应有源电力滤波控制策略

3

作者 徐先峰 马文昊 +2 位作者 卢勇 于杨 张震 《电力系统保护与控制》 EI CSCD 北大核心 2024年第21期24-34,共11页

随着分布式新能源在充电站的接入,源荷的随机特性使电网基频发生波动,进一步加剧站内谐波电流越限风险。对此,提出了一种频率自适应的有源电力滤波谐波检测与跟踪策略。首先,设计了一种改进式广义积分器与延时相消相结合的混合滤波器结... 随着分布式新能源在充电站的接入,源荷的随机特性使电网基频发生波动,进一步加剧站内谐波电流越限风险。对此,提出了一种频率自适应的有源电力滤波谐波检测与跟踪策略。首先,设计了一种改进式广义积分器与延时相消相结合的混合滤波器结构,提高原有广义积分器的滤波性能和动态响应能力,并可消除直流偏置及不平衡分量的影响。其次,通过引入前馈补偿的改进锁相环消除频率波动引起的误差,实现频率自适应谐波检测。最后,基于频率波动导致的谐波跟踪误差,采用结合无限脉冲响应滤波器的快速重复控制,可依据检测频率实现动态调整。仿真和实验结果表明,所提出的控制策略在充电负荷侧可稳定地检测电网频率。且在频率波动的工况下具有较优的谐波补偿能力,在32 ms实现对谐波电流的补偿,治理后电流谐波畸变率下降到5%以下,对不同工况下的充电站具有通用性。 展开更多

关键词 充电站谐波 频率自适应 有源电力滤波 广义积分器 延时相消

下载PDF 职称材料

增强组合差分乘积形态学滤波的轴承故障特征提取方法

4

作者 徐先峰 赵卫峰 +1 位作者 邹浩泉 宋亚囡 《重庆大学学报》 CAS CSCD 北大核心 2024年第3期96-106,共11页

针对滚动轴承故障信号的非线性、非平稳、强噪声特性导致的常规时频域特征提取方法受限问题,提出一种增强组合差分乘积形态学滤波的轴承故障特征提取方法。在分析数学形态学4种基本运算的正、负冲击脉冲提取特性的基础上,运用级联、差... 针对滚动轴承故障信号的非线性、非平稳、强噪声特性导致的常规时频域特征提取方法受限问题,提出一种增强组合差分乘积形态学滤波的轴承故障特征提取方法。在分析数学形态学4种基本运算的正、负冲击脉冲提取特性的基础上,运用级联、差分、乘积构造的一种新的组合差分乘积算子(combination difference multiply operator,CDMO)具备了同时提取正、负冲击脉冲的能力,并发挥梯度乘积运算对脉冲提取更敏感的优势,实现故障信息的充分提取。引入故障特征频率比指标优化CDMO结构元素参数,修正待处理信号的几何特征,提取与结构元素相匹配的信号特征信息。在CDMO滤波的基础上,借助三阶累积量切片谱技术能够抑制高斯噪声、突出二次耦合分量的优势,准确提取故障特征频率及其倍频,增强轴承故障特征提取能力并抑制噪声干扰。依托2种不同来源的工程实际信号并与经典故障特征提取方法对比分析,验证了所提方法的有效性。 展开更多

关键词 滚动轴承 形态学滤波 三阶累积量切片谱 特征提取

下载PDF 职称材料

基于多新息最小二乘和多新息扩展卡尔曼滤波算法的锂电池SOC估计 被引量：1

5

作者 巫春玲 付俊成 +3 位作者 徐先峰 孟锦豪 郑克军 胡雯博 《华南理工大学学报（自然科学版）》 EI CAS CSCD 北大核心 2024年第2期74-83,共10页

针对现有SOC(荷电状态)估计方法中电池模型参数恒定,没有考虑电池模型参数的动态变化,导致SOC的估计不够精准的问题,文中提出了一种基于电池模型参数在线辨识与SOC估计联合的算法。在二阶RC等效电路模型基础上,采用多新息最小二乘(Multi... 针对现有SOC(荷电状态)估计方法中电池模型参数恒定,没有考虑电池模型参数的动态变化,导致SOC的估计不够精准的问题,文中提出了一种基于电池模型参数在线辨识与SOC估计联合的算法。在二阶RC等效电路模型基础上,采用多新息最小二乘(Multi Innovation Least Squares,MILS)算法对锂离子电池模型中的参数进行在线辨识,从而对电池模型进行实时修正;同时基于修正后的电池模型,采用多新息扩展卡尔曼滤波(Multi Innovation Extended Kalman Filter,MIEKF)算法对电池荷电状态进行估计。MILS算法可以解决在线参数辨识过程中的初始误差累积问题,能够实现模型参数的在线精准辨识,MIEKF算法融合了多新息理论和卡尔曼滤波理论,加入了遗忘因子以削弱历史数据并修正权重,解决了数据过饱和问题,具有较高的准确性和收敛性。实验结果表明,在对电池模型进行参数辨识时,MILS算法、RLS算法辨识的均方根误差分别为1.4、1.9 mV,MILS算法相比RLS算法的估计精度提高了26.3%;对于参数辨识后SOC的估计,MIEKF算法估计的均方根误差为0.0037,EKF算法、AEKF算法估计的均方根误差分别为0.0073、0.0052,MIEKF算法比EKF算法的估计精度提高了49.31%,比AEKF算法的估计精度提高了28.84%;并且在给定SOC初值错误的情况下,文中所提出算法在电池开始工作后30 s左右就能够收敛到真实值,是一种精度高而且鲁棒性好的有效估计方法。 展开更多

关键词 SOC估计 多新息 参数辨识 扩展卡尔曼滤波

下载PDF 职称材料

基于半监督学习标签传播-极端随机树算法的光伏阵列故障诊断及定位 被引量：3

6

作者 徐先峰 李芷菡 +4 位作者 刘状壮 王轲 马志雄 姚景杰 蔡路路 《电网技术》 EI CSCD 北大核心 2023年第3期1038-1046,共9页

对光伏阵列故障进行精确诊断和定位有助于提升光伏发电系统的可靠性。针对现有的诊断方法过度依赖大量有标签样本,难以同时兼顾故障类型诊断、故障定位及低成本等问题,将多传感器法与半监督学习算法相结合,构建了一种融合标签传播算法(l... 对光伏阵列故障进行精确诊断和定位有助于提升光伏发电系统的可靠性。针对现有的诊断方法过度依赖大量有标签样本,难以同时兼顾故障类型诊断、故障定位及低成本等问题,将多传感器法与半监督学习算法相结合,构建了一种融合标签传播算法(label propagation,LP)和极端随机树(extra-trees,ET)的半监督学习算法LP-ET。为克服工程实际故障样本较少且往往缺失故障标签的问题,搭建了光伏阵列故障仿真模型获取样本,引入LP算法,基于少量含故障类型及定位信息的有标签故障样本,实现原始故障样本集全标注;继而引入ET模型,持续构建大量决策树形成极端随机树,采用多数投票机制(Bagging)获得故障类型及定位结果。实验结果表明,所提出的LP-ET模型可以在含有大比例未标注样本数据集情况下实现短路、断路、退化及遮阴故障的较高精度诊断,兼顾单组件及多组件故障,有效解决光伏阵列故障诊断及定位问题。 展开更多

关键词 光伏阵列 故障诊断及定位 多传感器法 半监督学习 标签传播-极端随机树算法

原文传递

基于改进YOLOv4颈部优化网络的安全帽佩戴检测方法 被引量：1

7

作者 徐先峰 王轲 +2 位作者 马志雄 姚景杰 赵万福 《重庆大学学报》 CAS CSCD 北大核心 2023年第12期43-54,共12页

针对安全帽佩戴检测时易受复杂背景干扰,解决YOLOv4网络检测速度慢、内存消耗大、计算复杂度高、对硬件性能要求较高等问题,引入改进YOLOv4算法优化安全帽佩戴检测方法。引入MobileNet网络轻量化YOLOv4、跨越模块特征融合,实现高层语义... 针对安全帽佩戴检测时易受复杂背景干扰,解决YOLOv4网络检测速度慢、内存消耗大、计算复杂度高、对硬件性能要求较高等问题,引入改进YOLOv4算法优化安全帽佩戴检测方法。引入MobileNet网络轻量化YOLOv4、跨越模块特征融合,实现高层语义特征和低层语义特征有效融合。针对图像中小目标分辨率低,信息特征少,多尺度并存,导致在连续卷积过程中易丢失特征信息等问题,采用改进特征金字塔FPN和注意力机制等颈部优化策略聚焦目标信息,弱化安全帽检测时背景信息的干扰。仿真结果表明,基于改进的YOLOv4颈部优化网络安全帽佩戴检测算法在CPU平台下的检测速度为34.28 FPS,是基础YOLOv4网络的16倍,检测精度提升了4.21%,检测速度与检测精度达到平衡。 展开更多

关键词 安全帽佩戴检测 YOLOv4算法 检测精度 检测速度

下载PDF 职称材料

基于自适应插值强跟踪扩展卡尔曼滤波的电力系统动态状态估计研究 被引量：10

8

作者 巫春玲 郑克军 +3 位作者 徐先峰 张震 付俊成 胡雯博 《电网技术》 EI CSCD 北大核心 2023年第5期2078-2088,共11页

针对扩展卡尔曼滤波(extended Kalman filter,EKF)算法在电力系统状态估计时存在鲁棒性差,精度被非线性系统的非线性程度制约大等缺点,提出一种自适应插值强跟踪扩展卡尔曼滤波(adaptive interpolation strong tracking extended Kalman... 针对扩展卡尔曼滤波(extended Kalman filter,EKF)算法在电力系统状态估计时存在鲁棒性差,精度被非线性系统的非线性程度制约大等缺点,提出一种自适应插值强跟踪扩展卡尔曼滤波(adaptive interpolation strong tracking extended Kalman filter,AISTEKF)算法,用于电力系统的动态状态估计。新算法利用自适应插值在两个连续采样点之间增加伪量测值,减小了EKF的线性化误差,有效提高了算法估计的精度;此外,该方法在EKF算法基础上引入强跟踪理论,增强了算法估计的鲁棒性。为验证所提出方法的有效性,分别运用EKF算法、自适应插值扩展卡尔曼滤波(adaptive interpolation extended Kalman filter,AIEKF)算法和AISTEKF算法对IEEE-5节点系统和IEEE-30节点系统进行动态状态估计。实验结果表明,与EKF和AIEKF算法相比,无论在高斯噪声环境下还是3种有偏噪声环境下,AISTEKF算法的电压幅值估计精度和电压相角估计精度都有显著性提高。所提出的新算法是一种鲁棒性好且估计精度高的电力系统状态估计方法。 展开更多

关键词 电力系统 动态状态估计 自适应插值强跟踪扩展卡尔曼滤波 电压幅值 电压相角

原文传递

不同栅压下Si-n型金属氧化物半导体场效应管总剂量效应的瞬态特性仿真

9

作者 张林 马林东 +3 位作者 杜林 李艳波 徐先峰 黄鑫蓉 《物理学报》 SCIE EI CAS CSCD 北大核心 2023年第13期230-236,共7页

为了实现半导体器件在电离辐射环境中电学特性的动态退化过程,本文基于总剂量效应中陷阱对载流子的俘获/发射过程,建立了Si-n型金属氧化物半导体场效应管总剂量效应的瞬态特性数值模型.仿真了不同栅极偏压下,器件电学特性随累积总剂量... 为了实现半导体器件在电离辐射环境中电学特性的动态退化过程,本文基于总剂量效应中陷阱对载流子的俘获/发射过程,建立了Si-n型金属氧化物半导体场效应管总剂量效应的瞬态特性数值模型.仿真了不同栅极偏压下,器件电学特性随累积总剂量的上升而造成的器件退化效应,并提取了Si/SiO_(2)界面和栅氧化层中陷阱电荷的变化.仿真发现,随着累计总剂量的上升,两个位置处陷阱电荷的数量都趋向于饱和.当辐照中栅极偏压为正时,器件阈值电压的退化幅度显著高于辐照偏压为负时的退化幅度.无论是辐照过程中栅极加正偏压还是反偏压,都表现出阈值电压的退化幅度随着偏压幅值上升先上升再下降的趋势.栅极偏压对器件辐照后的退火效应也有一定的影响,在退火过程中如果栅极偏压不为零,器件退火后的电学特性恢复幅度比零偏压下的要低一些. 展开更多

关键词 辐照 总剂量 模型 金属氧化物半导体场效应管

下载PDF 职称材料

一种利用结构特点实现复数域联合对角化解盲源分离新算法研究及应用 被引量：5

10

作者 徐先峰 段晨东 +1 位作者 刘来君 杨小军 《电子学报》 EI CAS CSCD 北大核心 2017年第1期29-36,共8页

联合对角化方法是求解盲源分离问题的有力工具.但是现存的联合对角化算法大都只能求解实数域盲源分离问题,且对目标矩阵有诸多限制.为了求解更具一般性的复数域盲源分离问题,提出了一种基于结构特点的联合对角化(Structural Traits Base... 联合对角化方法是求解盲源分离问题的有力工具.但是现存的联合对角化算法大都只能求解实数域盲源分离问题,且对目标矩阵有诸多限制.为了求解更具一般性的复数域盲源分离问题,提出了一种基于结构特点的联合对角化(Structural Traits Based Joint Diagonalization,STBJD)算法,既取消了预白化操作解除了对目标矩阵的正定性限制,又允许目标矩阵组为复值,具有极广的适用性.首先,引入矩阵变换,将待联合对角化的复数域目标矩阵组转化为新的具有鲜明结构特点的实对称目标矩阵组.随后,构建联合对角化最小二乘代价函数,引入交替最小二乘迭代算法求解代价函数,并在优化过程中充分挖掘所涉参量的结构特点加以利用.最终,求得混迭矩阵的估计并据此恢复源信号.仿真实验证明与现存的有代表性的对目标矩阵无特殊限制的复数域联合对角化算法FAJD算法及CVFFDIAG算法相比,STBJD算法具有更高的收敛精度,能有效地解决盲源分离问题. 展开更多

关键词 盲源分离 联合对角化 STBJD算法 交替最小二乘迭代算法

下载PDF 职称材料

基于STC系列单片机的智能工业现场显示仪设计 被引量：3

11

作者 徐先峰 魏文 +1 位作者 李常磊 段晨东 《电子器件》 CAS 北大核心 2013年第5期728-732,共5页

针对工业现场存在多种变送输出信号需同时显示的问题,为简化及更好地管理现场显示装置,设计了一种适用于多变送输出场合的智能现场显示仪。采用STC12C5A60S2单片机作为核心控制器,利用RCV420完成4 mA^20 mA变送信号的电流/电压转换,通... 针对工业现场存在多种变送输出信号需同时显示的问题,为简化及更好地管理现场显示装置,设计了一种适用于多变送输出场合的智能现场显示仪。采用STC12C5A60S2单片机作为核心控制器,利用RCV420完成4 mA^20 mA变送信号的电流/电压转换,通过仪表专用模数转换器MAX1272实现对电压信号的采集;重点阐述了参数标定、线性修正以及RS232通讯模块的软件实现方法。用户可根据现场环境的不同利用红外遥控器配置仪表参数,操作简单、成本低、安装方便以及可靠性稳定性高。 展开更多

关键词 智能仪表 多变送信号 STC单片机 远程操控

下载PDF 职称材料

一种充分利用变量结构的解卷积混合盲源分离新方法 被引量：6

12

作者 徐先峰 冯大政 《电子学报》 EI CAS CSCD 北大核心 2009年第1期112-117,131,共7页

针对卷积混合盲源分离问题,提出一种基于接收信号不同延时下自相关矩阵组的联合块内对角化方法.为了求解表征联合块内对角化近似程度的基于最小二乘的三二次代价函数,给出基于梯度下降法的三迭代算法.该算法在充分利用混迭矩阵的块Toepl... 针对卷积混合盲源分离问题,提出一种基于接收信号不同延时下自相关矩阵组的联合块内对角化方法.为了求解表征联合块内对角化近似程度的基于最小二乘的三二次代价函数,给出基于梯度下降法的三迭代算法.该算法在充分利用混迭矩阵的块Toeplitz结构和源信号相关矩阵的块内对角化结构的基础上,交替估计代价函数中的三组待定参数,搜索代价函数最小点,从而得到混迭矩阵的估计,实现信道的盲均衡和源信号的盲分离.分析了三迭代算法的收敛性能,证明即使存在估计误差时,该算法依然全局渐进收敛.仿真结果表明,与其他经典的两步算法相比,提出的一步算法能够更好地估计混迭矩阵并恢复出源信号,有效地解决了卷积混合盲源分离问题. 展开更多

关键词 盲源分离 卷积混合 联合块内对角化 三迭代算法

下载PDF 职称材料

用于短期电力负荷预测的日负荷特性分类及特征集重构策略 被引量：28

13

作者 徐先峰 赵依 +2 位作者 刘状壮 李陇杰 卢勇 《电网技术》 EI CSCD 北大核心 2022年第4期1548-1556,共9页

准确的负荷预测是电力系统安全稳定运行的重要保障。当充分考虑多因素影响,海量输入数据的前端预处理与变量遴选对提高负荷预测精度至关重要。针对传统时间变量信息模糊、维数冗余问题,引入基于余弦相似度的k-means聚类分析技术实现日... 准确的负荷预测是电力系统安全稳定运行的重要保障。当充分考虑多因素影响,海量输入数据的前端预处理与变量遴选对提高负荷预测精度至关重要。针对传统时间变量信息模糊、维数冗余问题,引入基于余弦相似度的k-means聚类分析技术实现日负荷特性分类,并通过分类标签替代传统时间变量;考虑到负荷与多因素在小时粒度下的耦合关系,提出了基于特征集重构和最大信息系数的特征筛选策略,实现小时粒度的精细化特征筛选;最后引入了具备强大信息挖掘能力的时间卷积网络,实现高精度短期电力负荷预测。实验结果表明,应用提出的上述2个改进策略后,替换低效时间变量和小时粒度的最优特征集使输入数据质量进一步优化,显著提升了多个经典模型的预测性能,而结合改进策略的时间卷积网络模型具有更高的预测精度;且文章方法适用于全年各时段的预测,具备良好的可移植性和鲁棒性。 展开更多

关键词 短期电力负荷预测 时间卷积网络 聚类分析 特征筛选 最大信息系数

原文传递

基于MobileNet-SSD的安全帽佩戴检测算法 被引量：26

14

作者 徐先峰 赵万福 +2 位作者 邹浩泉 张丽 潘卓毅 《计算机工程》 CAS CSCD 北大核心 2021年第10期298-305,313,共9页

针对真实场景下安全帽佩戴检测面临的背景复杂、干扰性强、待检测目标较小等问题,在SSD算法的基础上,提出改进的MobileNet-SSD算法。通过引入轻量型网络MobileNet并构建MobileNet-SSD算法提高检测速度,采用迁移学习策略克服模型训练困... 针对真实场景下安全帽佩戴检测面临的背景复杂、干扰性强、待检测目标较小等问题,在SSD算法的基础上,提出改进的MobileNet-SSD算法。通过引入轻量型网络MobileNet并构建MobileNet-SSD算法提高检测速度,采用迁移学习策略克服模型训练困难问题。从施工相关视频中获取真实环境下的安全帽样本构建样本集,以解决当前安全帽数据集规模较小、网络难以充分拟合特征的问题。实验结果表明,MobileNet-SSD算法在损失很小精度的情况下,相较于SSD算法,检测速度提高了10.2倍。 展开更多

关键词 安全帽佩戴检测 轻量型SSD算法 深度学习 检测精度 检测速度

下载PDF 职称材料

一种快速的解盲源分离新算法 被引量：3

15

作者 徐先峰 冯大政 《电子学报》 EI CAS CSCD 北大核心 2010年第12期2780-2785,共6页

针对盲源分离问题,提出一种基于接收信号不同延时下自相关矩阵组的快速联合对角化算法(FJD).采用乘性迭代机制求解表征联合对角化近似程度的F-范数代价函数.对代价函数的合理近似及巧妙求解,是算法快速有效的核心原因.每步迭代得到的严... 针对盲源分离问题,提出一种基于接收信号不同延时下自相关矩阵组的快速联合对角化算法(FJD).采用乘性迭代机制求解表征联合对角化近似程度的F-范数代价函数.对代价函数的合理近似及巧妙求解,是算法快速有效的核心原因.每步迭代得到的严格对角占优更新矩阵,保证联合对角化器严格可逆,防止收敛到平凡解.算法具有不需要预白化操作,不限定待对角化目标矩阵的正定性,并能处理复值数据等诸多优点,具有极广的适用性.详细的计算复杂度分析说明了算法的高效性及易操作性.仿真结果表明,FJD算法收敛速度快,性能良好,能有效地解决盲源分离问题. 展开更多

关键词 盲源分离 快速联合对角化 乘性迭代 严格对角占优矩阵

下载PDF 职称材料

引入感知模型的改进孪生卷积神经网络实现人脸识别算法研究 被引量：18

16

作者 徐先峰 张丽 +1 位作者 郎彬 夏振 《电子学报》 EI CAS CSCD 北大核心 2020年第4期643-647,共5页

针对非限定性条件下人脸识别困难问题,设计了一种引入感知模型的改进孪生卷积神经网络结构(Inception Module Incorporated Siamese Convolutional Neural Networks,IMISCNN),在充分利用孪生结构有效减少外界干扰并避免过拟合等优点的... 针对非限定性条件下人脸识别困难问题,设计了一种引入感知模型的改进孪生卷积神经网络结构(Inception Module Incorporated Siamese Convolutional Neural Networks,IMISCNN),在充分利用孪生结构有效减少外界干扰并避免过拟合等优点的基础上,为其增加感知模型实现更丰富特征的提取.为寻找最优学习率引入了循环学习率策略,加速模型收敛.在CASIA-webface和Extended Yale B标准人脸数据库上的仿真实验表明,所提IMISCNN算法提升了人脸识别精度. 展开更多

关键词 人脸识别 孪生卷积神经网络 感知模型 循环学习率

下载PDF 职称材料

一种解析的基于旋转矩阵估计的波达方向估计方法 被引量：1

17

作者 徐先峰 段晨东 +1 位作者 刘来君 杨小军 《电子学报》 EI CAS CSCD 北大核心 2017年第4期1012-1017,共6页

本文提出了一种解析的基于旋转矩阵估计的高分辨波达方向估计算法.为了充分利用空时信息以提高算法的估计性能,利用传感器阵列接收数据相关矩阵构建既包含旋转矩阵信息又具有可对角化结构的目标矩阵组.通过一系列矩阵变换,将复数域普通... 本文提出了一种解析的基于旋转矩阵估计的高分辨波达方向估计算法.为了充分利用空时信息以提高算法的估计性能,利用传感器阵列接收数据相关矩阵构建既包含旋转矩阵信息又具有可对角化结构的目标矩阵组.通过一系列矩阵变换,将复数域普通目标矩阵组转化为实数域对称目标矩阵组,以利用ACDC算法实现目标矩阵组的联合对角化并求得对角矩阵,继而求取旋转矩阵并挖掘波达角度信息,实现了波达方向估计.仿真结果表明,与其他现存的经典算法相比,所提算法具有更强的分辨能力及更准确的估计性能. 展开更多

关键词 波达方向估计 旋转矩阵估计算法 联合对角化 ACDC算法

下载PDF 职称材料

基于行波特征分类的有源配电网故障定位 被引量：6

18

作者 徐先峰 徐晨杰 +2 位作者 张艳波 赵依 王世鑫 《重庆大学学报》 CAS CSCD 北大核心 2022年第11期59-68,共10页

随着分布式电源(distributed generator,DG)的接入,配电网的潮流方向和结构发生改变,许多传统配电网的故障定位方法已不再适用。单相接地故障是配电网常见故障且可能带来二次故障乃至断电等危害,从线模行波小波特征值与含DG的配电线路... 随着分布式电源(distributed generator,DG)的接入,配电网的潮流方向和结构发生改变,许多传统配电网的故障定位方法已不再适用。单相接地故障是配电网常见故障且可能带来二次故障乃至断电等危害,从线模行波小波特征值与含DG的配电线路故障区段之间的关系入手,通过线性判别分析(linear discriminant analysis,LDA)降维挑选出最优故障特征,再利用机器学习中与该模型契合最好的基于核分布的贝叶斯构造分类模型,实现单相接地故障定位新方法。构建含DG的IEEE 33节点模型对有源配电网不同区段的故障进行实验,得出最优三维特征样本的定位准确率为97.9%,结果表明该方法能实现故障的准确定位。 展开更多

关键词 小波变换 LDA模型 配电网 故障区域定位

下载PDF 职称材料

基于CNN-LSTM的轴承故障智能诊断方法研究 被引量：11

19

作者 徐先峰 赵龙龙 夏振 《自动化仪表》 CAS 2020年第12期27-33,共7页

针对轴承工况背景复杂、故障诊断难度大、威胁公共安全和社会经济等特点,利用深度学习方法对轴承故障进行分析和建模。考虑轴承故障诊断对实时性、稳定性以及准确性的高要求特性,基于卷积神经网络(CNN)自动提取重要特征、训练速度快的优... 针对轴承工况背景复杂、故障诊断难度大、威胁公共安全和社会经济等特点,利用深度学习方法对轴承故障进行分析和建模。考虑轴承故障诊断对实时性、稳定性以及准确性的高要求特性,基于卷积神经网络(CNN)自动提取重要特征、训练速度快的优势,提取轴承故障信号的故障信息作为整体模型的输人。提出了卷积-长短时记忆神经网络(CNN-LSTM)轴承故障诊断模型,建立一种端到端的学习架构,实现轴承故障的智能诊断和分类。使用凯斯西储大学(CWRU)轴承数据在Python搭建的keras框架仿真验证,结果显示所提故障诊断方法较传统方法准确率更高,模型的运行速度相较于长短时记忆网络(LSTM)轴承故障诊断方法更快,可以有效解决对比模型的稳定性差、收敛速度慢的问题。实测结果验证了所建模型应用于轴承故障诊断领域的准确性和可行性,表明结合深度学习建立轴承故障诊断模型必将成为轴承故障诊断行业的重要发展方向之一。 展开更多

关键词 轴承故障 卷积神经网络 长短对记忆神经网络 故障分类 特征提取 智能诊断

下载PDF 职称材料

基于SSAE-SVM的滚动轴承故障诊断方法研究 被引量：7

20

作者 徐先峰 黄坤 +1 位作者 邹浩泉 赵龙龙 《自动化仪表》 CAS 2022年第1期9-14,共6页

针对现有滚动轴承故障诊断方法过度依赖于有监督学习算法的问题,提出一种基于堆栈稀疏自编码和支持向量机(SSAE-SVM)的滚动轴承故障诊断方法。利用堆栈稀疏自编码(SSAE)的频域深层特征学习能力,对轴承故障特征进行快速傅里叶变换和批归... 针对现有滚动轴承故障诊断方法过度依赖于有监督学习算法的问题,提出一种基于堆栈稀疏自编码和支持向量机(SSAE-SVM)的滚动轴承故障诊断方法。利用堆栈稀疏自编码(SSAE)的频域深层特征学习能力,对轴承故障特征进行快速傅里叶变换和批归一化处理,再输入到SSAE网络。所构建的SSAE网络通过贪婪算法逐层训练,使用梯度下降法反向微调,基于无监督式深层学习输出深层特征向量。利用构造简单、泛化性能好、分类速度较快的支持向量机(SVM)分类器,基于深层特征向量进行故障识别,实现滚动轴承故障类型的准确分类。利用美国凯斯西储大学滚动轴承数据集进行对比验证。验证结果显示,相较于对比模型,SSAE-SVM滚动轴承故障诊断模型具有更高的准确率和更快的收敛速度。应用无监督学习建立轴承故障诊断模型将成为轴承故障诊断的重要发展方向之一。 展开更多

关键词 滚动轴承 故障诊断 智能诊断 特征提取 堆栈稀疏自编码 支持向量机 故障分类器 无监督学习 贪婪算法

下载PDF 职称材料