《表2 负荷类型及标签:基于SOPC的实验室负荷智能监测装置》
负荷识别算法采用了基于机器学习的监督学习模式下BP神经网络算法进行设计,使用Matlab的神经网络工具箱进行算法模型的构建和验证[11]。在监督学习模式下,对负荷进行标签设定,选取的5种负荷及其标签见表2。采用了独热码的方式对负荷进行标记,设置标签。对5种负荷及其组合进行了约定:当系统中有某一种负荷在工作时,标签对应的位置的值设定为“1”,否则为“0”。当有5种负荷同时在工作时,对应的标签为“[1 1 1 1 1]”,如当白炽灯、信号源同时工作时,对应的标签为“[0 0 0 1 1]”,以此类推对31种组合进行标签设计。
图表编号 | XD00155495900 严禁用于非法目的 |
---|---|
绘制时间 | 2020.06.25 |
作者 | 吴万强、彭良福、甘桂、王逸凡 |
绘制单位 | 西南民族大学电气信息工程学院、桂林电子科技大学广西精密导航技术与应用重点实验室、西南民族大学电气信息工程学院、桂林电子科技大学广西精密导航技术与应用重点实验室、西南民族大学电气信息工程学院、西南民族大学电气信息工程学院 |
更多格式 | 高清、无水印(增值服务) |