基于小波變換的船舶電能質量暫態(tài)擾動分析與識別.pdf

1、為了更好地分析船舶電能質量問題，找出引起電能質量問題的原因和采取針對性的解決方案，對電能質量暫態(tài)擾動進行正確地分類，具有十分重要的意義。本文首先對電能質量問題做了介紹，對現(xiàn)有的電能質量分析和分類方法做了深入的研究。然后利用小波變換結合支持向量機的方法，對電能質量暫態(tài)擾動進行分析與識別。所做工作如下:
　　首先，提出了改進的閾值函數(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

2、函數(shù)方法。建立了五種電能質量暫態(tài)擾動的數(shù)學模型，對其進行高斯白噪聲處理后分別采用三種閾值去噪方法來進行去噪處理。仿真結果表明，擾動信號經(jīng)改進的閾值函數(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)，同時具備兩種方法的優(yōu)點。
　　然后，利用小波變換對電能質量擾動信號進行特征向量的提取。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)點在于特征向量個數(shù)少，計算方便，分類準確率高。通過

3、分析基礎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小波進行10層分解來提取特征向量。仿真結果表明，該條件下提取的特征向量具有較優(yōu)的分類效果。
　　最后，提出一種改進的一對多法多分類支持向量機分類器方法。針對普通多分類支持向量機分類器不能夠識別復合電能質量暫態(tài)擾動的不足，提出一種改進多分類方法。該方法不僅繼承了原方法快速和準確的優(yōu)點，而且實現(xiàn)了復合電能質量暫態(tài)擾動的分類功能。仿真結果表明，該方法的性能優(yōu)于一般的人工