基于UKF和SPRT小电流单相接地故障选线方法

为解决现有小电流系统单相接地故障选线方法在准确率和可靠性等方面存在的问题,提出了一种基于无迹卡尔曼滤波UKF（unscented Kalman filter）和序贯概率比检验SPRT（sequential probability ratio test）的小电流系统单相接地故障选线方法。首先建立故障线路的无迹卡尔曼滤波数学模型;再利用无迹卡尔曼滤波对系统故障特征信息进行跟踪与预测;通过序贯概率比方法,利用新信息观测值与实际量测值的残差值,计算似然比;构造故障判据,从而快速地选出故障线路。ATP-EMPT和Matlab的大量仿真实验结果表明该方法具有较高的准确率和可靠性。     

基于变结构ESKF的航姿参考系统噪声处理方法

针对航姿参考系统（AHRS）易受到环境与传感器自身噪声干扰,导致姿态估计精度下降的问题,提出了一种基于变结构误差状态卡尔曼滤波（VS-ESKF）的噪声数据处理方法。首先,通过分析AHRS传感器观测数据与新息序列统计特征,设计了基于加速度范数与遗忘序贯概率比检验（F-SPRT）的方法,分别检测加速度计与陀螺仪的噪声数据。其次,基于噪声检测结果,将平滑变结构滤波(SVSF）策略引入到误差状态卡尔曼滤波（ESKF）,以提高ESKF对噪声模型不确定性的处理能力。然后,结合磁场强度与磁倾角参数特征,利用马氏距离法评估磁干扰并实时调整磁力计补偿权重,获取准确的AHRS修正数据。最后,基于自主搭建独轮机器人平台进行实验验证,结果表明所设计的VS-ESKF算法可以及时、准确地检测AHRS噪声数据,并有效地抑制噪声干扰,相比于ESKF算法,对横滚角、俯仰角和偏航角的估计精度分别提升了31.05%、32.32%和40.07%,提高了姿态估计的准确性和稳定性。     

ZigBee网络按需干扰攻击检测方案

针对ZigBee网络中存在按需干扰攻击破坏网络正常通信的问题,提出一种按需干扰攻击检测方案,通过设计多级序列分配机制和错误比特检测算法,在确定接收信号强度(RSSI)异常错误比特的基础上,对错误比特RSSI进行序贯概率比检验,进而完成按需干扰攻击检测。实验结果表明,该方案可实现95%以上的检测成功率,并具有较小的通信开销和能量消耗。该方案避免了测量网络报文投递率(PDR)、网络拓扑变化等网络参数,实现了对按需干扰攻击的有效检测,增强了ZigBee网络安全性能。     

基于差分进化算法的测试序贯优化技术

针对大型复杂系统的测试序贯设计问题,首次提出利用基于混合策略的差分进化算法（DE）进行测试序贯设计。通过LOV规则,将实数空间映射到表示测试序贯的离散空间;利用随机变异策略和小概率扰动操作,进一步加强了算法的探索能力和开发能力;局部动态搜索算子的引入,提高了算法的收敛速度。通过实例和其他常用算法进行了对比,验证了该算法的有效性。     

挂轨式管道泄漏检测机器人设计

地下管廊中管道的泄漏检测是管廊安全运行的重要保障之一,为了实现管廊的自动化运行,并针对传统检测方法的灵活性不足、信息交互性差的缺点,本文基于STM32F103设计了一种挂轨式管道泄漏检测机器人。机器人搭载MIC声音传感器作为泄漏检测装置,将采集到的信号利用神经网络进行音频特征的识别,监控主机对判断结果做出报警或其他措施。经过管道泄漏检测系统实验平台测试,机器人系统运行稳定,对于管道泄漏的检出率达到93%,满足实际应用需求。     

燃气管道泄漏点精确定位检测方法探讨

目前市面上针对燃气管道泄漏检测广泛采用的声波检测技术具有一定的局限性，提高燃气管道泄漏检测技术的识别准确性和检测泄漏点精度是燃气发展安全工程领域的一个重要方向。为此提出一种基于声波和压力波耦合识别的燃气管道泄漏点精确定位检测方法，以对燃气管道进行实时监测。通过声压交互识别泄漏，可有效提升管道泄漏识别的精确性，为燃气管道安全供气提供理论基础。     

基于MEEMD-KF-散布熵的油气管道工况识别

针对油气管道泄漏检测过程中,泄漏信号包含大量噪音、特征提取困难等问题,提出一种改进的总体平均经验模态分解联合卡尔曼滤波算法的管道信号去噪方法。首先采用改进的总体平均经验模态算法对采集到的管道负压波信号进行分解,其中利用排列熵和卡尔曼滤波算法对分解后的固有模态分量进行筛选和处理,最后得到重构后的削噪信号。并且提出基于散布熵和峭度的特征提取法,将提取的特征参数作为支持向量机的输入来对输油管道的工况进行分类识别。经采集到的数据验证,改进的总体平均经验模态分解、卡尔曼滤波、散布熵与峭度结合的组合识别方法可以较准确的对管道信号进行分类识别,结果显示其总平均识别准确率达到98.89%,为管道的工况识别研究提供了一种新的途径。     

基于改进YOLO v5的电厂管道油液泄漏检测

针对电厂油库、化水车间等关键区域油液管道时常发生泄漏问题,本文提出了一种基于改进YOLO v5的电厂关键区域管道油液泄漏检测方法,通过融入CBAM注意力机制模块,加强对管道油液泄漏区域图像的特征学习与特征提取,同时弱化复杂背景对检测结果的影响;在此基础上运用了双向特征金字塔网络进行多尺度特征融合,减少冗余计算,同时提升算法对小目标的检测能力;最后采用Focal EIoU Loss作为损失函数,使回归过程更加专注于高质量锚框,加快收敛速度,提高模型的回归精度和鲁棒性。实验结果表明,本文所提出的改进算法在真实样本中表现良好,平均准确率达79.6%,较原YOLO v5s目标检测算法提高了38.4%,在电厂复杂背景下的误报率和漏报率明显下降,可有效应用于实际生产环境中。     

模糊聚类分析方法在管道泄漏检测系统中的应用研究

管道的泄漏检测是保障管道安全运行的重要技术,而管道信号的特征提取是管道泄漏检测系统中重要的组成部分.由于传感器数量的限制,信号处理工作难度较大,并且泄漏判断的误报警率较高,本文提出利用模糊聚类分析方法对管道信号进行特征提取,根据特征量的变化判断泄漏,对实际信号进行的处理验证了该方法的可行性.     

基于稀疏轻量卷积神经网络的管道泄漏检测

针对传统供水管网泄漏检测问题,本文提出了一种基于稀疏轻量卷积神经网络的管道泄漏检测算法。首先通过声音传感器采集管道泄漏的声音信号,经过立体声转换、重采样、长度对齐等预处理操作后,将其转换成梅尔频谱图。然后,构建一种稀疏轻量化的卷积神经网络模型来对梅尔频谱图进行特征抽取和泄漏检测。针对声音特征图的稀疏和时延性质,本文采用Inception网络结构来进行提高模型的特征抽取能力。此外,因为该模型需要被部署到边缘侧,因此设计了一种基于SqueezeNet的轻量化卷积神经网络模型来减少模型的参数,降低模型复杂度。实验结果表明,提出的管道泄漏检测算法在保证复杂度较低的同时具有较高的识别准确率。     

基于卡尔曼滤波的InSAR柔性基线距离测量

对于柔性长基线构型的双天线InSAR系统,基线矢量动态偏移产生的误差会降低系统的成像质量,并最终影响高程精度。针对单相机和激光测距仪组合测量系统中如何提高基线距离向精度的问题,提出了一种基于卡尔曼滤波的基线距离测量方法。建立了基线距离向抖动数学模型,在此模型基础上提出了基于卡尔曼滤波的动态测量方法,对该方法进行了动态仿真分析。仿真结果表明,在几十米的测量距离内,该方法能够将基线距离向的测量精度降低到亚毫米量级,是测量基线距离的有效方法。     

Sensorloser Betrieb eines geschalteten Reluktanzmotors mittels Kalman Filter

Übersicht In dem folgenden Artikel wird beschrieben, wie der sensorlose Betrieb des geschalteten Reluktanzmotors, d. h. der geregelte Betrieb des Motors ohne Lagegeber, mit Hilfe des Kalman Filter Algorithmus realisiert werdeb jann. Hierfür wird ein für den sensorlosen Betrieb geeignetes Modell des Motors abgeleitet, es wird erörtert, wie die Kalman Filter Gleichungen auf dieses Modell angewendet werden können, und die Ergebnisse, die in praktischen Versuchen erzielt werden konnten, werden präsentiert.

---

Sensorless control of a switched reluctance motor using a Kalman Filter

Contents The purpose of this article is to describe how the sensorless control of a switched Reluctance Motor, i. e. the control of the motor without a position encoder, can be realised with the help of the Kalman Filter algorithm. In order to do so a model of the motor which is suitable for the sensorless control will be developed. It will be shown how the equations of the Kalman Filter can be applied to this model and practical results will be presented.

     

Several variants of Kalman Filter algorithm for power system harmonic estimation

This paper presents the maiden application of a variant of Kalman Filter algorithm known as Local Ensemble Transform based Kalman Filter (LET-KF) for power system harmonic estimation. The proposed algorithm is applied for estimating the harmonic parameters of a power signal containing harmonics, sub-harmonics, inter-harmonics in presence of white Gaussian noise. These algorithms are applied and tested for both stationary as well as dynamic signals containing harmonics. The LET-KF algorithm reported in this paper is compared with the earlier reported Kalman Filter based algorithms like Kalman Filter (KF) and Ensemble Kalman Filter (EnKF) algorithms for harmonic estimation. The proposed algorithm is found superior than the reported algorithm for its improved efficiency and accuracy in terms of simplicity and computational features, since there are less multiplicative operations, which reduces the rounding errors. It is also less expensive as it reduces the requirement of storing large matrices, such as the Kalman gain matrix used in other KF based methods. Practical validation is carried out with experimentation of the algorithms with the real time data obtained from a large paper industry. Comparison of the results obtained with KF, EnKF and LET-KF algorithms reveals that the proposed LET-KF algorithm is the best in terms of accuracy and computational efficiency for harmonic estimation.     

基于EKF算法的交流永磁无刷同步电机参数辨识

用扩展的卡尔曼滤波算法（EKF）对表贴式交流永磁无刷同步电动机进行动态参数估计,根据电机控制系统中传感器检测到的电机定子电流、电压和转子的位置、转速等信号,推算电机定子绕组的电阻和转子的主磁通值,经过对电机模型和卡尔曼算法的分析,给出了电机控制系统的全阶卡尔曼滤波模型和经过简化处理后的降阶估计模型,用降阶的简化模型对系统进行估计后,得到了定子电阻和转子主磁通的结果,并分析了定子电阻和转子磁通估计值和实际值之间的误差,以及估计值随电机转速和负载大小变化的曲线。电机用脉宽调制（PWM）的电压源逆变器供电,用TMS320F2812系列数字信号处理器（DSP）作为控制芯片,用矢量控制的策略对电机进行转速控制。     

一种基于CKF的改进LANDMARC室内定位算法

针对传统LANDMARC室内定位算法受室内环境的干扰存在定位精度不高,波动大的问题,提出一种基于CKF的改进LANDMARC室内定位算法。该算法首先通过传统LANDMARC算法得到待定位目标的状态预估值;然后将得到的状态预估值作为观测量并用容积卡尔曼滤波(CKF)算法对其进行滤波处理,以提高算法的定位精度并降低定位结果的波动;最后用滤波处理后的结果代替LANDMARC得到的预估值作为待定位目标的状态估计。实验研究表明,所提算法误差在0.5 m以下的标签达到60%,与传统LANDMARC定位算法和经由无迹卡尔曼滤波(UKF)算法滤波的LANDMARC定位算法相比,定位精度和波动性均有明显提高,应用在室内定位中能够得到较为真实的目标移动轨迹。     

IMM在煤矿井下轨道火车实时定位中的应用

针对煤矿井下轨道火车所处的特殊环境,及其不同的运动状态（机动、非机动）,传统卡尔曼滤波在井下实时定位系统中不能很好反应滤波误差问题。提出了交互多模卡尔曼滤波（interaction multiple model Kalman filter , IMM-Kalman）数据处理方法。采用IMM-Kalman滤波对基于Wi-Fi和微惯性单元进行组合定位算法估算出轨道火车的位置进行滤波处理。经过仿真验证IM M-Kalman滤波能有效地减少实时定位滤波误差,然而能提高系统的实时性和定位精度。     

无轨迹卡尔曼滤波器在感应电机转速估计中的应用研究

无轨迹卡尔曼滤波器(UKF)作为扩展卡尔曼滤波器(EKF)的进化算法在许多非线性估计问题上取得了成功的应用.探讨了在感应电机转速估计领域引入UKF是否能获得明显优于EKF的估计性能这一问题.通过仿真及实验对比,分析了采样周期以及滤波器参数对UKF及EKF估计性能的影响,从各个方面评估、比较了UKF与EKF的转速估计性能.仿真及实验结果表明UKF并不能以预想的突出优势在感应电机转速估计问题上取代EKF,EKF仍旧是这一特定问题的最有效和最可行的算法.     

修正的扩展卡曼滤波器在EIT中的应用

在电阻抗断层成像（EITelectrical impedance tomography）技术中,扩展的卡曼估值算法是一种完全不同于传统Newton类算法的新方法,该算法取得了很好的成像效果,但是成像分辨率还不够高,主要原因是该算法数学模型的理论基础存在不足。在前人研究的基础上,对扩展卡曼估值方法进行了修正,并进行了数值仿真,仿真表明修正算法虽然在时间性能上有微小下降,但在提高成像分辨率方面有明显优势。