《表3 噪声环境下各方法的结果对比》
注:圆括号中数据为方法1(文献[8])仿真结果,方括号中数据为方法2(文献[17])仿真结果。
同时,考虑到实际工况下噪声影响,本文对原始始信号施加不同等级噪声,测试各方法在不同噪声环境下的识别性能,结果如表3所示。结果表明,随着噪声信号的加入,各方法的识别率都有不同程度的下降。在施加信噪比为30 dB高斯白噪发声时,相比方法1和方法2,本文方法仍能准确地识别暂降、暂升和波动等扰动信号,但对脉冲信号识别相对较差,其原因在于当施加的噪声幅值过强时,会掩盖脉冲信号,造成噪声与扰动特征重叠,使得神经网络错识为正常信号,进而影响对脉冲信号的正确识别。在施加40 dB和50 dB的高斯白噪声时,本文方法能够很好地识别暂降、暂升、中断以及脉冲信号,相应程度上优于方法1和方法2,并且在30 dB、40 dB和50 dB噪声环境下,本文方法的平均识别率分别能够达到97.62%、98.63%和99.38%,要明显优于方法1和方法2,具有较强地抗噪性。
图表编号 | XD0056349000 严禁用于非法目的 |
---|---|
绘制时间 | 2019.05.01 |
作者 | 吴志宇、朱云芳、侯怡爽、陈维荣 |
绘制单位 | 西南交通大学电气工程学院、西南交通大学电气工程学院、西南交通大学电气工程学院、西南交通大学电气工程学院 |
更多格式 | 高清、无水印(增值服务) |