【技术实现步骤摘要】
本专利技术涉及电磁兼容性评估，具体为一种基于智能算法的电磁兼容性评估与优化系统。
技术介绍
1、电磁兼容性评估是对电子、电气设备和系统在其预期的电磁环境中正常工作，且不对该环境中任何其他事物构成不能承受的电磁骚扰的能力进行度量和评价的过程；简单来说，电磁兼容性评估就是要确保设备在复杂的电磁环境中能够正常工作，同时不会对其他设备或系统造成干扰；电磁兼容性评估是产品设计、开发和生产过程中非常重要的一环，特别是在电子设备日益增多、电磁环境日益复杂的今天；通过电磁兼容性评估，可以确保产品的质量和可靠性，同时满足相关标准和法规的要求。
2、现有申请公布号为cn115935794a，名称为一种小样本约束下系统级电磁兼容性评估方法，本专利技术通过构建的多层次电磁兼容评估模型，对设备、分系统和系统的电磁兼容测试数据进行分等级量化，确定指标权重，自下而上进行推理并融合测试样本数据，最终实现系统整体的电磁兼容评估；本专利技术基于小样本的电磁兼容测试样本数据，以gjb151b-2013电磁兼容标准规定的发射限值和设备敏感度限值为标准，使用数学方法来计算系统的电磁兼容性优劣。通过构建多层次电磁兼容评估模型，对设备、分系统和系统的电磁兼容测试数据进行分等级量化，确定指标权重，自下而上进行推理并融合测试样本数据，最终实现系统整体的电磁兼容评估；但上述评估过程无法进一步提高评估结果的准确性。
3、结合上述文件和现有技术而言：
4、在传统场景下，电站内部的电磁兼容性管理往往面临着诸多问题和挑战；传统的电磁干扰检测和识别方法可
技术实现思路
1、(一)解决的技术问题
2、针对现有技术的不足，本专利技术提供了一种基于智能算法的电磁兼容性评估与优化系统，提高电磁兼容性评估的精确性、实现针对性的优化措施、提升系统调整的灵活性和效率，以及增强电磁兼容性管理的决策支持，解决了
技术介绍
中提出的问题。
3、(二)技术方案
4、为实现以上目的，本专利技术通过以下技术方案予以实现：
5、一种基于智能算法的电磁兼容性评估与优化系统，包括：
6、数据准备模块，获取选定电厂内控制分室对应的标签数据和特征数据作为数据集，将数据集进行预处理，对数据集进行划分，得到比例为3:1:1的训练集、验证集以及测试集；其特征在于：
7、特征提取与模型训练模块，接收经过预处理后的数据集，提取相关特征，使用训练集对svm模型进行训练，并使用验证集调整svm模型，选择性能最佳的模型；使用训练集对神经网络进行训练，并使用验证集调整神经网络，选择性能最佳的模型；
8、评估集成模块，将训练好的svm模型和神经网络模型进行集成，构建综合评估模型，将待评估的任一控制分室作为样本，采用综合评估模型进行预测；
9、若得到的两个预测结果一致，则触发判定机制，当一致的预测结果为：达标，则不做响应动作；当一致的预测结果为：未达标，则发出预警信号；
10、若得到的两个预测结果不一致，则发出优化指令，直至两个预测结果一致为止；
11、参数优化模块，在接收到优化指令的条件下，利用智能算法对综合评估模型的参数进行优化，并继续对同一待评估的样本进行预测，直至触发判定机制为止；
12、优化调整模块，在接收到任一预警信号的条件下，对各个存在预警信号的控制分室进行标记，同步执行干扰判定策略，二次利用神经网络模型，经过模型训练和评估后，将对应标记控制分室的相关特征输入，神经网络模型根据学习的映射关系输出对应的电磁干扰水平预测值，对各个电磁干扰水平预测值对应的控制分室按照从大到小进行排序，生成排序表a，且标记的控制分室排序靠前程度与执行调整机制的优先级成正相关。
13、进一步的，标签数据：设置一个带有标签的数据集，其中标签指示电磁兼容性是否达标；特征数据：包括但不限于电磁辐射测量值、设备工作状态参数、环境数据以及设备布局信息；
14、其中，电磁辐射测量值包括电场强度和磁场强度；
15、设备工作状态参数包括电压和电流；
16、环境数据包括温度和湿度；
17、设备布局信息包括设备间距。
18、进一步的，相关特征包括电磁强度特征、电气参数特征、环境特征以及布局特征。
19、进一步的，关于svm模型：
20、模型训练：使用训练集对svm模型进行训练，目标是找到一个超平面，最大化地将达标和未达标的数据点分开；选择核函数和参数；核函数包括线性核、多项式核以及rbf任一种；参数包括惩罚系数c和核函数参数任一种；
21、模型评估：使用验证集调整svm模型的参数，选择性能最佳的模型；将准确率、召回率、f1分数作为评估指标，采用加权平均的方式获得综合准确率、召回率、f1分数后的综合指标，用于评估svm模型性能；
22、关于神经网络模型：
23、模型构建：设计分类神经网络结构，包括输入层、隐藏层和输出层；确定激活函数为softmax激活函数；
24、模型训练：使用训练集对神经网络进行训练，通过反向传播算法调整网络权重，以最小化预测值与真实值之间的差距；使用验证集进行早停处理；
25、模型评估：与svm模型原理相同，使用验证集调整神经网络的参数和结构，并选择性能最佳的模型，通过相同的评估指标用于评估神经网络模型的性能。
26、进一步的，智能算法包括但不限于遗传算法和粒子群优化算法；
27、优化的过程如下：
28、在svm模型和神经网络模型训练过程中，利用遗传算法来优化svm模型和神经网络模型的参数，设定一个适应度函数，该适应度函数根据模型在验证集上的准确率来计算适应度值；并通过n轮次的调整操作来持续优化模型的参数；
29、其中，n＝{1、2、…、n}，n为正整数，且n表示循环的次数；
30、调整操作包括选择、交叉以及变异操作。
31、进一步的，二次利用神经网络模型，以输出对应标记的控制分室的电磁干扰水平预测值过程为：在原神经网络模型的基础上，将输出层改为使用线性激活函数；并将评估指标改为均方误差和均方根误差。
32、进一步的，执行调整机制的过程如下：
33、依据标记的对应控制分室的电磁干扰水平预测值，采用分段函数来计算增加的屏蔽材料厚度预估值，并根据屏蔽材料厚度预估值，对原本控制分室内铺设的屏蔽材料进行厚度增加操作。
【技术保护点】
1.一种基于智能算法的电磁兼容性评估与优化系统，该系统包括：
2.根据权利要求1所述的一种基于智能算法的电磁兼容性评估与优化系统，其特征在于：标签数据：设置一个带有标签的数据集，其中标签指示电磁兼容性是否达标；特征数据：包括但不限于电磁辐射测量值、设备工作状态参数、环境数据以及设备布局信息；
3.根据权利要求2所述的一种基于智能算法的电磁兼容性评估与优化系统，其特征在于：相关特征包括电磁强度特征、电气参数特征、环境特征以及布局特征。
4.根据权利要求3所述的一种基于智能算法的电磁兼容性评估与优化系统，其特征在于：关于SVM模型：
5.根据权利要求4所述的一种基于智能算法的电磁兼容性评估与优化系统，其特征在于：智能算法包括但不限于遗传算法和粒子群优化算法；
6.根据权利要求5所述的一种基于智能算法的电磁兼容性评估与优化系统，其特征在于：二次利用神经网络模型，以输出对应标记的控制分室的电磁干扰水平预测值过程为：在原神经网络模型的基础上，将输出层改为使用线性激活函数；并将评估指标改为均方误差和均方根误差。
7.根据
8.根据权利要求7所述的一种基于智能算法的电磁兼容性评估与优化系统，其特征在于：采用分段函数来计算增加的屏蔽材料厚度预估值，所依据的公式如下：
...【技术特征摘要】
1.一种基于智能算法的电磁兼容性评估与优化系统，该系统包括：
2.根据权利要求1所述的一种基于智能算法的电磁兼容性评估与优化系统，其特征在于：标签数据：设置一个带有标签的数据集，其中标签指示电磁兼容性是否达标；特征数据：包括但不限于电磁辐射测量值、设备工作状态参数、环境数据以及设备布局信息；
3.根据权利要求2所述的一种基于智能算法的电磁兼容性评估与优化系统，其特征在于：相关特征包括电磁强度特征、电气参数特征、环境特征以及布局特征。
4.根据权利要求3所述的一种基于智能算法的电磁兼容性评估与优化系统，其特征在于：关于svm模型：
5.根据权利要求4所述的一种基于智能算法...
【专利技术属性】
技术研发人员：方文潮，谷雪锋，钱国栋，
申请(专利权)人：广州力赛计量检测有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。