基于遗传小波神经网络的机器人腕力传感器动态补偿研究

提出一种基于改进遗传算法进化小波神经网络用于机器人腕力传感器动态补偿的新方法,介绍算法原理。该方法利用腕力传感器的动态标定数据,用改进的遗传算法来优化小波神经网络结构和参数,建立腕力传感器的动态补偿模型。结果表明,采用遗传小波神经网络进行腕力传感器动态补偿,能克服BP算法存在易陷入局部极小点的缺点,网络的复杂度、收敛性和泛化能力得到了好的综合,补偿模型建立的速度和精度得到提高。     

基于中介理论的无线传感器网络加权数据融合

多传感器加权数据融合算法大部分要对测量方差进行估计,必需占用额外的资源和能量,不适合无线传感器网络。本文将中介理论中的真值程度度量用于数据融合,根据距离比函数定义各传感器的权重。该算法运算量小,不需要存储传感器节点的历史数据进行测量方差的估计,当被测对象变化较快时能进行实时动态的估计融合。仿真结果表明,该算法估计精度高、抗信道衰落能力好。     

压缩域下的数据融合在传感器网络中的应用

针对无线传感器网络数据融合中传输数据量高、能耗大的问题,研究基于压缩感知的数据融合方案,并提出在压缩域直接数据融合的算法.该算法通过配置传感器网络以生成多个层次类型不同的簇结构,提高数据在不同层次的压缩率,减少了网络中的传输数据量和传输能耗.压缩后的数据在网络中传输,并在各层簇头实现压缩域下的数据融合.通过仿真实验和标准数据库SensorScope真实气象数据测试,该算法在保证准确重建的基础上,在减少传输数据量方面都有较大优势,适用于较大规模的无线传感器网络.     

免疫算法及其在电力系统无功优化中的应用

提出一种用于电力系统无功优化的免疫算法(Immune Algorithm,IA).该算法是根据生物免疫原理提出的,与遗传算法相比,它具有抗原识别、记忆、抗体的抑制和促进等显著特点.IA将目标函数和约束条件比作抗原,将问题的解比作抗体.通过亲和度的计算来评价抗体并促进或抑制抗体的产生,减小了进化过程陷入局部最优解的可能性;通过抗原记忆,提高了局部搜索能力,加快了计算速度.将IA用于69节点实际电力系统的无功优化计算,并与传统遗传算法的计算结果进行了比较.结果表明IA能够以更快的速度得到最优解,其性能明显优于遗传算法.     

基于鲁棒CKF的多传感器全信息融合算法

为了克服不良测量的影响,改善多传感器的融合性能,提出一种基于鲁棒容积卡尔曼滤波(CKF)的多传感器全信息融合算法。基于新息协方差匹配原理构建鲁棒CKF,定义数据质量检测函数,根据测量数据质量选择鲁棒CKF或标准CKF作为子系统最优滤波算法。基于多传感器融合信息,建立子系统软故障检测算法;定义子系统故障系数,通过系统重构实现故障子系统的隔离。利用多传感器系统所能提供的最多信息,建立全信息融合算法。将所建算法应用于船舶动力定位测量系统的仿真实验中,与CKF、局部估计加权融合算法进行比较。仿真结果表明,鲁棒CKF及软故障检测函数提高了子系统的滤波鲁棒性,全信息融合算法进一步改善了系统的融合性能。仿真结果验证了所建算法的有效性。     

微风速流场数据采集与融合方法研究

在微风速(0～1 m/s)空间流场测量中,对传感器精度要求高,实时在线仪表数据精度不够,数据采集滞后性大;考虑采用多个传感器测量提高精度,但也存在数据融合的问题.针对微风速流场测量,提出基于K均值RBF神经网络的数据采集预处理软测量模型,首先选取中间变量(电流值),运用K均值聚类,用RBF网络训练得到单个传感器数据;提出基于相关性kalman滤波的传感器数据融合算法,剔除无效数据点,并融合得到精确风速预测值.测量实验和数据结果表明该方法处理的数据结果滞后性小,处理速度快,数据精度高.     

基于改进克隆选择算法的无功优化

提出一种改进克隆选择算法解决无功优化问题。该算法采用分级的变异策略,对每一代种群中的抗体按亲和力进行分级,根据等级确定变异范围和变异率:较低等级中的抗体(较优秀抗体)采用小范围、小变异率进行变异,较高等级中的抗体(相对较差的抗体)采用大范围、大变异率进行变异,兼顾算法的局部和全局搜索能力;结合均匀设计原理构造初始种群,与随机分布相比,在同样规模下,具有更好的种群多样性,且以较大的概率在全局最优解附近存在抗体,避免陷入局部最优解,提高算法的收敛速度;对IEEE 30节点系统进行仿真,结果表明:该算法具有解的质量高、收敛性能好等优点。     

AI优化模糊核聚类算法的变压器DGA分析

针对模糊聚类及核聚类算法在电力变压器DGA分析中存在的初值敏感及易陷入局部极值点的问题,提出了一种人工免疫优化模糊核聚类的新算法。该算法将基于克隆选择原理和亲和力成熟的免疫克隆算法与模糊核聚类算法相结合,采用群体搜索策略,将待分类的数据对象视为抗原(Ag),把聚类中心看作抗体(Ab),通过免疫系统不断产生抗体,识别抗原来优化FKCM的目标函数,能快速地获得全局最优解。仿真结果证明了该算法在变压器故障诊断上的可行性和有效性。     

基于自适应无迹卡尔曼算法的工业物联网数据融合处理

为提高工业物联网实测数据精度,减少数据冗余、测量误差,提出了一种使用自适应无迹卡尔曼滤波(AUKF)算法对工业物联网中的多传感器信息进行数据融合处理的方法。首先给出并比较卡尔曼算法以及常规无迹卡尔曼(UKF)算法、AUKF算法原理及数学模型;在工业传感器观测值的基础上,分别应用常规UKF、AUKF算法对数据进行融合处理,并对仿真结果进行数值分析。结果表明,使用改进AUKF算法较其他数据融合算法能够显著提高状态估计的准确性和系统稳定性,可适用于工业物联网的实时生产环境。     

数据融合中时间对准方法的研究

分析了数据融合中不同传感器采样周期不同的特点,综述了数据融合中已有的时间对准算法,在此基础上提出了利用数据拟和进行时间对准的算法,解决了数据融合中不同传感器不同采样周期的时间对准问题,与现有算法相比,有消除观测误差的影响、计算简单等优点.最后仿真验证了算法的有效性,仿真结果表明数据拟和方法的时间对准性能良好.     

基于模糊集理论的传感器健康度评价方法

针对测量系统中传感器故障诊断和故障预测的问题,研究基于模糊集理论的传感器健康评价方法,给出了传感器健康状态的定量综合评价指标--传感器健康度.该方法将模糊数据融合方法用于传感器健康度计算,利用隶属度函数计算传感器在各个时序点的隶属度,应用二级指标评判融合策略计算传感器多时序点融合隶属度,最后由隶属度到健康度的映射关系得到传感器的健康度.确定了传感器健康状况等级,并给出了传感器健康评价结果.实验结果表明该方法既可对传感器故障进行在线诊断,又可对传感器自身状况进行故障预测.     

面向转子故障诊断的核局部边界Fisher判别方法

提出一种基于核的局部边界Fisher判别(KLMFD)算法用核函数将故障特征数据映射到高维核空间,以每点与所有局部邻域点中最远同类数据点和最近异类数据点构成的点对来计算类内散度和类间散度,构建边界局部核Fisher判别函数,求出最优故障识别向量,然后利用该向量对测试特征数据进行故障诊断。转子故障诊断实验表明,对于多传感器振动特征融合信号,KMLFD算法的故障诊断效果最好,当选取合适参数时能完全识别故障类型。     

基于nRF905的智能无线火灾监控系统设计

设计了利用无线通信芯片nRF905进行数据传输的无线火灾监控系统，对系统的数据采集控制节点的硬件和软件进行了设计。并采用多传感器融合算法，对传感器的数据进行了融合判断。实验证明，该系统具有可靠性高和实用性强等优点：     

一种火电机组在线性能计算中的数据融合方法

文中给出了数据融合算法,并提出把数据融合方法应用于火电机组的在线性能计算中,使计算结果能更完善、准确地反映机组的运行状况。这种数据融合方法计算简便,可以反映传感器在空间或时间上的冗余或互补的信息,获得比有限个传感器的算术平均值更准确的测量结果,具有较高的可靠性,实际应用结果证实了该算法的准确性,可推广到其它具有正态分布特性测量结果的数据融合。     

异常情况下基于贝叶斯的多传感器融合方法

针对多传感器融合过程中异常测量数据的出现会降低数据融合质量的问题,提出了基于贝叶斯方法的一种多传感器数据融合方法,通过识别传感器间测量数据的不一致,在传感器数据融合前剔除异常数据,提高数据融合的精度.提出的方法在简单的贝叶斯方法上增加一项概率因子,以此表征测量数据为非异常事件的概率.在某只传感器输出数据与其他传感器不一致时,增加的因子项具有增加后验分布方差的效果.通过仿真实验对融合方法进行了验证,结果表明该方法能有效识别传感器数据间的不一致,融合精度得到一定提高.     

多传感器数据融合技术在汽轮机排汽湿度监测系统中的应用

采用双区加热法在线监测汽轮机排汽湿度,由于各温度、压力传感器受位置、自身差异、环境等不可测因素的影响,使得其测量数据不能完全反映汽轮机的排汽湿度的真实状态.为此,利用改进的硬件和软件测量相结合的多传感器数据融合算法对测得数据进行处理,解决了过多的不确定因素导致的湿度测量精度不准问题.试验表明,该方法有效、可行.     

基于支撑裕的一致性多传感器融合算法

针对多传感器的加权融合算法,提出了一种基于支撑裕的算法。先构造支撑裕函数,通过参与融合的数据生成支撑裕矩阵,同时将一致性因素引入到支撑裕矩阵中并代替原有的恒定因素‘1’,为可靠的传感器赋予较多的权重影响。通过改进的支撑裕矩阵度量各传感器的综合支撑裕度,最终将综合影响表现在各数据所占的权重中,形成一种新型加权融合算法。在实例分析比较中可看出,相比已有的算法,该算法在精度和抗干扰能力上都有所提高。     

数据采集异常下的车用动力电池状态监测与故障诊断EI北大核心CSCD

实时准确的状态监测对车载动力电池至关重要,其依赖于大量传感器采集的信息数据。在长期使用中,高频振动和连接器松动使局部传感器失效,导致数据采集异常。由于针对数据缺失和更新停滞异常的相关研究较少,该文提出一种基于双向长短期记忆网络和最小二乘支持向量回归的异常数据监测与校正方法。建模和参数辨识分别采用戴维宁模型和数据驱动方法,同时输入和状态估计算法用于电池状态估计。实验中,该方法在6种混合异常测试条件下的估计误差保持在5%左右,其有效性得到验证。     

多传感器数据融合仿真系统

文中设计、开发多传感器数据融合仿真系统，该系统通过计算机网模拟实现。并给出几种工程化算法，包括关联、跟踪和融合算法。通过仿真实验的结果可以看出包括工程化算法在内的数据融合仿真系统是有效的。     

电力传感器网络失调节点定位方法

传统的电力失调节点定位控制随着迭代次数的增加,定位准确度下降。提出基于数据融合滤波预处理的电力传感器网络失调节点定位算法。进行电力网络失调节点定位测度信息模型构建,设计无线传感器数据融合滤波结构模型,计算电力传感器网络覆盖子载波区间正交性偏转相量,得到电力传感器网络节点数据融合与滤波调制结果,使用时间更新-误差更新方程来预测下一节点定位误差,通过误差最小化迭代实现定位自动控制算法改进。仿真实验结果表明,该算法定位时间较快,优化网络部署。