دانلود ترجمه مقاله طبقه بندی اختلال کیفیت توان بر اساس تبدیل موجک و ماشین بردار پشتیبان

1. مقدمه 2. اهداف و روش ها 3. نتایج 4. نتیجه گیری

چکیده – این مقاله رویکردی مؤثر برای طبقه بندی اختلالات کیفیت توان (PQ) بر اساس تبدیل موجک (WT) و ماشین بردار پشتیبان (SVM) ارائه داده است. تبدیل موجک به منظور به دست آوردن ضرایب تجزیه در شش سطح روی سیگنال اختلال اعمال شده که سیگنال را در دامنه زمان و فرکانس ارائه می دهد. هشت روش آماری به منظور استخراج مشخصه ها مورد استفاده قرار گرفته اند که هر کدام از سیگنال های اختلال را مشخص می کنند. سپس انتخاب مشخصه ترتیبی روی بردار ویژگی و به منظور شناسایی گسسته ترین مشخصه ها مورد استفاده قرار می گیرد. روش SVM برای طراحی و دسته بندی مورد استفاده قرار می گیرد که با داده های شبیه سازی شده در متلب آموزش دیده اند. دقت بالای طبقه بندی، قابلیت اطمینان، و استحکام طبقه بند پیشنهادی با داده های تست در محیط های پر صدا و بی صدا تأیید شده است.

This paper presents an effective approach for classification of power quality (PQ) disturbances based on wavelet transform (WT) and support vector machine (SVM). Wavelet transform was applied to disturbance signal in order to obtain decomposition coefficients at six levels that represents signal in time and frequency domain. Eight statistical methods were used to extract features that characterize each disturbance signal. Forward sequential feature selection was then applied to the feature vector to identify the most discriminative features. SVM method was used for designing the classifier which is trained with the data simulated in MATLAB. High classification accuracy, reliability and robustness of the proposed classifier were confirmed on the testing data in noisy and noiseless environment.