为提高非视距场景下超宽带(ultra‑wideband,UWB)定位精度,本文提出一种基于误差因子的改进加权最小二乘(weighted least square,WLS)算法.该算法利用测距值和实时信道冲激响应特征训练1维卷积神经网络,实现误差因子的准确预测;基于预测...为提高非视距场景下超宽带(ultra‑wideband,UWB)定位精度,本文提出一种基于误差因子的改进加权最小二乘(weighted least square,WLS)算法.该算法利用测距值和实时信道冲激响应特征训练1维卷积神经网络,实现误差因子的准确预测;基于预测得到的误差因子设计改进WLS算法的加权矩阵,赋予不同基站合理的权重,以改善非视距场景下UWB定位性能.通过实测采集静态和动态定位数据对改进WLS算法进行性能验证.实验结果表明:视距场景下,改进WLS算法与最小二乘(least square,LS)算法、WLS算法定位性能相近;非视距场景下,改进WLS算法明显优于LS算法、WLS算法,能够有效抑制非视距误差.展开更多
为了提高变压器故障诊断正确率,笔者提出一种基于改进秃鹰(improved bald eagle search,IBES)算法优化最小二乘支持向量机(least squares support vector machine,LSSVM)的变压器故障诊断方法。利用高斯-柯西变异算子对最优秃鹰个体进...为了提高变压器故障诊断正确率,笔者提出一种基于改进秃鹰(improved bald eagle search,IBES)算法优化最小二乘支持向量机(least squares support vector machine,LSSVM)的变压器故障诊断方法。利用高斯-柯西变异算子对最优秃鹰个体进行变异,使IBES算法能够及时局部最优,提高了IBES算法的收敛精度。采用IBES算法对LSSVM的核参数和惩罚参数进行优化,建立基于IBES-LSSVM的变压器故障诊断模型,并与BES-LSSVM、GWO-SVM和GA-BP模型进行仿真实验对比。结果表明,IBES-LSSVM模型的诊断正确率为98.33%,比上述对比模型分别提高了3.50%、7.27%和9.26%,且计算时间最短,验证了该文所提变压器故障诊断方法的正确性和实用性。展开更多
文摘为提高非视距场景下超宽带(ultra‑wideband,UWB)定位精度,本文提出一种基于误差因子的改进加权最小二乘(weighted least square,WLS)算法.该算法利用测距值和实时信道冲激响应特征训练1维卷积神经网络,实现误差因子的准确预测;基于预测得到的误差因子设计改进WLS算法的加权矩阵,赋予不同基站合理的权重,以改善非视距场景下UWB定位性能.通过实测采集静态和动态定位数据对改进WLS算法进行性能验证.实验结果表明:视距场景下,改进WLS算法与最小二乘(least square,LS)算法、WLS算法定位性能相近;非视距场景下,改进WLS算法明显优于LS算法、WLS算法,能够有效抑制非视距误差.
文摘为了提高变压器故障诊断正确率,笔者提出一种基于改进秃鹰(improved bald eagle search,IBES)算法优化最小二乘支持向量机(least squares support vector machine,LSSVM)的变压器故障诊断方法。利用高斯-柯西变异算子对最优秃鹰个体进行变异,使IBES算法能够及时局部最优,提高了IBES算法的收敛精度。采用IBES算法对LSSVM的核参数和惩罚参数进行优化,建立基于IBES-LSSVM的变压器故障诊断模型,并与BES-LSSVM、GWO-SVM和GA-BP模型进行仿真实验对比。结果表明,IBES-LSSVM模型的诊断正确率为98.33%,比上述对比模型分别提高了3.50%、7.27%和9.26%,且计算时间最短,验证了该文所提变压器故障诊断方法的正确性和实用性。
