在机载锂电池失效识别等样本不平衡的应用场景中,支持向量机(support vector machine,SVM)算法存在分离超平面偏移的问题,为此,提出分段惩罚参数支持向量机(segmented penalty parameters support vector machine,SPP-SVM)算法.该算法...在机载锂电池失效识别等样本不平衡的应用场景中,支持向量机(support vector machine,SVM)算法存在分离超平面偏移的问题,为此,提出分段惩罚参数支持向量机(segmented penalty parameters support vector machine,SPP-SVM)算法.该算法在训练过程中对样本进行分段,并根据各段内样本的识别误差自动调整惩罚参数,从而抑制超平面偏移;基于容量增量分析和灰色关联分析等方法提取并筛选特征,进而基于SPP-SVM算法建立锂电池失效识别模型;以NASA锂电池数据集和加州大学欧文分校(University of California Irvine,UCI)数据集为对象,开展对比实验.研究结果表明:与结合寻优算法的SVM相比,SPP-SVM算法识别性能更好,在不平衡程度较大的锂电池数据上,查准率和查全率的调和平均数(F1值)提升11.7%;在锂电池数据集和UCI数据集上的训练耗时缩短,减少幅度超过10倍;证明在样本不平衡情况下,使用SPP-SVM算法能够有效抑制分离超平面偏移,提升识别效果.展开更多
电机温升测量对评估电机的性能、保障电机的安全运行具有重要意义。为了更有效、更准确、更科学地评价牵引电机温升测量结果,引入测量不确定度的概念,如此测量结果才有实际意义。文章基于技术规范JJF 1059.1—2012《测量不确定度评定与...电机温升测量对评估电机的性能、保障电机的安全运行具有重要意义。为了更有效、更准确、更科学地评价牵引电机温升测量结果,引入测量不确定度的概念,如此测量结果才有实际意义。文章基于技术规范JJF 1059.1—2012《测量不确定度评定与表示》,提出一种牵引电机温升测量不确定度评定方法。其首先全面分析了采用标准IEC 60349-2:2010 Electric traction-Rotating electrical machines for rail and road vehicles-Part2:Electronic converter-fed alternating current motors进行牵引电机温升测量其结果不确定度的来源,然后构建了不确定度评定模型,并借用实例进行测量不确定度的评定,涉及标准不确定度的评定、合成不确定度的计算和扩展不确定度的计算。结果显示,在置信概率为95%的情况下,电机温升测量结果为79.22 K,测量结果扩展不确定度为1.30 K,定量表征了测试结果的质量。该方法为机车车辆牵引电机温升测量结果的可信度提供了技术依据,同时为电机绕组温升测量及采用最小二乘法曲线拟合带来的不确定度评定提供了指导。展开更多
文摘在机载锂电池失效识别等样本不平衡的应用场景中,支持向量机(support vector machine,SVM)算法存在分离超平面偏移的问题,为此,提出分段惩罚参数支持向量机(segmented penalty parameters support vector machine,SPP-SVM)算法.该算法在训练过程中对样本进行分段,并根据各段内样本的识别误差自动调整惩罚参数,从而抑制超平面偏移;基于容量增量分析和灰色关联分析等方法提取并筛选特征,进而基于SPP-SVM算法建立锂电池失效识别模型;以NASA锂电池数据集和加州大学欧文分校(University of California Irvine,UCI)数据集为对象,开展对比实验.研究结果表明:与结合寻优算法的SVM相比,SPP-SVM算法识别性能更好,在不平衡程度较大的锂电池数据上,查准率和查全率的调和平均数(F1值)提升11.7%;在锂电池数据集和UCI数据集上的训练耗时缩短,减少幅度超过10倍;证明在样本不平衡情况下,使用SPP-SVM算法能够有效抑制分离超平面偏移,提升识别效果.
文摘电机温升测量对评估电机的性能、保障电机的安全运行具有重要意义。为了更有效、更准确、更科学地评价牵引电机温升测量结果,引入测量不确定度的概念,如此测量结果才有实际意义。文章基于技术规范JJF 1059.1—2012《测量不确定度评定与表示》,提出一种牵引电机温升测量不确定度评定方法。其首先全面分析了采用标准IEC 60349-2:2010 Electric traction-Rotating electrical machines for rail and road vehicles-Part2:Electronic converter-fed alternating current motors进行牵引电机温升测量其结果不确定度的来源,然后构建了不确定度评定模型,并借用实例进行测量不确定度的评定,涉及标准不确定度的评定、合成不确定度的计算和扩展不确定度的计算。结果显示,在置信概率为95%的情况下,电机温升测量结果为79.22 K,测量结果扩展不确定度为1.30 K,定量表征了测试结果的质量。该方法为机车车辆牵引电机温升测量结果的可信度提供了技术依据,同时为电机绕组温升测量及采用最小二乘法曲线拟合带来的不确定度评定提供了指导。
