余热锅炉汽包水位晃荡噪声的动态建模仿真研究

为建立完整的余热锅炉系统动态仿真模型,并基于此模型开发先进水位控制器,采用概率统计和时间序列分析的方法,对现场采集的汽包水位晃荡噪声信号进行了分析,去除汽包水位均值和趋势以获得真实的汽包水位晃荡噪声,建立了相应的汽包水位晃荡噪声仿真AR模型;模型的仿真结果表明:AR模型从功率谱上对信号数据进行了匹配模拟,且使用该模型作为噪声模块在时域上对汽包水位晃荡噪声信号进行了成功匹配.     

突变数据融合在电力传感器网络中的应用

针对传统电力传感器网络下突变电力传感数据的融合方法无法将传感器节点发送的多个电力传感数据同时进行消除热备份融合处理,使电力传感器采集的信息不完整,存在较大弊端,提出了一种基于电力传感器下神经网络的电力传感数据融合模型.将电力传感器采集的电力传感数据信息划分簇层次结构与神经网络的层次结构相结合,设计一个多层电力传感数据融合感知模型,将以簇为单位的电力传感数据通过神经网络将突变电力传感数据发送给汇聚节点进行融合.仿真结果表明,基于电力传感器下神经网络的电力传感数据融合模型可以同时对传感器节点发送的多个电力传感数据进行消除热备份,达到电力传感器网络完整采集有效信息的目的.     

基于神经网络的汽包水位传感器故障检测

汽包水位传感器信号的故障检测在热电厂生产过程中非常重要,通过分析主给水流量和主蒸汽流量的输出信号,建立预测水位输出的数学模型,提出了一种基于神经网络的汽包水位传感器故障检测方法,该方法首先建立神经网络结构;然后使用大量学习样本训练网络,确定权值和阈值;最后,进行系统仿真试验,比较仿真模型的输出与真实系统的输出,试验表明,用该方法进行汽包水位传感器的故障检测,效果令人满意。     

锅炉汽包水位控制方法分析

叙述了锅炉汽包水位控制系统的基本工作原理和控制方法,提出了在锅炉不同负荷下采取不同控制方法的汽包水位全程控制方案。锅炉给水控制的对象是汽包水位,其任务主要是保持汽包水位的正常,使锅炉的给水量适应锅炉的蒸发量,保持汽包水位在给定的范围内变化。图1所示为锅炉汽水系统示意图。如果水位过高,会影响汽包内汽水分离效果,使汽包出口的饱和蒸汽带水增多,蒸汽带水会使汽轮机产生水     

具有对负荷变化前馈补偿的锅炉汽包水位系统的神经网络内模控制

电站锅炉汽包水位间接地反映了锅炉负荷与给水平衡的关系，是电站发电机组运行的主要控制参数之一。该文提出将基于神经网络的内模控制策略应用到电站锅炉的汽包水位控制中，并考虑负荷变化对汽包水位的影响，将蒸汽流量信号引入到神经网络内模控制器中，使其对汽包水位系统的蒸汽流量扰动具有前馈补偿能力，以消除“虚假水位”现象。同时，总的控制对象输入由神经网络内模控制器NNC和一个鲁棒反馈控制器RC组成，两个控制器的输出信号通过变参数加权综合后共同作用于被控对象，这样保证在控制初期以及对象特性变化的情况下系统仍然具有良好的调节品质。仿真试验结果表明了该控制策略的有效性和实用性。     

汽包水位监控保护一次测量系统改造

介绍670/13.7锅炉汽包水位监控保护一次测量系统改造设计。利用多测孔接管技术增加测孔，解决了水位测孔过少难题，配置GJT-200汽包水位电极传感器使电接点水位表可靠地用于监视主表和保护，为落实《防止电力生产重大事故的25项重点要求》的“防止锅炉汽包满水和缺水事故”提供了可靠保证。     

种子烘干机系统的研究与应用

种子处理设备的研发促进了我国农业生产现代化的发展。测量和控制农业生产中的种子含水率是发展中的一个重要课题。本文研制的系统采用电容、重力和温度传感电路采集数据,通过A/D转换器转换为数字式输出,通过数据融合的方法对多传感器得到的数据进行处理和分析。使用Matlab工具箱进行编程仿真,优选出数据融合方法后编制单片机程序写入单片机对机械系统进行控制。     

基于模糊内模控制的锅炉汽包水位控制仿真研究

锅炉汽包水位是锅炉正常运行的一个重要指标,其调节出现意外是目前锅炉事故的主要原因,因此锅炉汽 包水位的安全性一直被高度重视.当锅炉汽包水位偏高时,蒸汽中会含有一定水分,一旦这些蒸汽进入过热器就会影 响锅炉操作.当锅炉汽包水位偏低时,锅炉还可能爆炸.将模糊内模控制引入锅炉汽包水位控制,在传统串级前馈系 统基础上,在以蒸汽压力为前馈信号的前馈回路中加入模糊控制器,从而实现对锅炉汽包水位的更好控制.     

基于联合卡尔曼滤波的多传感器信息融合算法及其应用

针对常见卡尔曼滤波器在处理多传感器组合系统的数据时,存在计算量大和故障数据相互污染的问题,提出了一种应用联合卡尔曼滤波技术进行多传感器信息融合,以求得参数最优估计的方法。文中首先对联合卡尔曼滤波的基本原理和4种主要结构方式进行了论述和分析,然后给出了融合算法的实现,最后以多传感器组合导航系统为例,对其进行计算机仿真。结果表明,该方法可有效提高计算的精度和可靠性,具有较好的容错性和环境适应性,有效高的工程实用价值。     

电站锅炉汽包水位的单神经元自适应Smith预估补偿控制

提出了一种电站锅炉汽包水位控制系统的单神经元自适应Smith预估补偿控制策略。将蒸汽流量信号引入到单神经元网络中来考虑负荷变化对锅炉汽包水位的影响 ,使其具有前馈补偿能力 ,以消除“虚假水位”现象。仿真试验结果表明了该控制策略的有效性和实用性     

Self‐tuning fusion Kalman filter weighted by scalars and its convergence analysis for multi‐channel autoregressive moving average signals

For the multi‐sensor multi‐channel autoregressive (AR) moving average signals with white measurement noises and an AR‐colored measurement noise, a multi‐stage information fusion identification method is presented when model parameters and noise variances are partially unknown. The local estimators of model parameters and noise variances are obtained by the multidimensional recursive instrumental variable algorithm and correlation method, and the fused estimators are obtained by taking the average of the local estimators. They have the strong consistency. Substituting them into the optimal information fusion Kalman filter weighted by scalars, a self‐tuning fusion Kalman filter for multi‐channel AR moving average signals is presented. Applying the dynamic error system analysis method, it is proved that the proposed self‐tuning fusion Kalman filter converges to the optimal fusion Kalman filter in a realization, so that it has asymptotic optimality. A simulation example for a target tracking system with three sensors shows its effectiveness. Copyright © 2014 John Wiley & Sons, Ltd.     

Asynchronous distributed state estimation based on a continuous‐time stochastic model

In this paper, the problem of state estimation in an asynchronous distributed multi‐sensor estimation (ADE) system is considered. In such an ADE system, the state of a plant of interest is estimated by a group of local estimators. Each local estimator based, for example, on a Kalman filter, performs fusion of data from its local sensor and other (remote) processors to compute possibly best state estimates. In performing data fusion, however, two important issues need to be addressed, namely, the problem of asynchronism of local processors and the one of unknown correlation between asynchronous data in local processors. Consequently, there are two main contributions proposed in this paper. The first is a method to deal with asynchronous discrete‐time data based on a continuous‐time stochastic plant model. The second contribution is an asynchronous distributed data‐fusion algorithm. Simulated experiments illustrate the effectiveness of the proposed ADE approach. Copyright © 2011 John Wiley & Sons, Ltd.     

某型航空发动机容错控制仿真研究

利用卡尔曼滤波器的优点,提出了航空发动机容错控制模型,它的核心部分就是卡尔曼滤波器,考虑了当某一传感器发生故障后,利用一簇卡尔曼滤波器对发生故障的传感器进行诊断并隔离,并依据剩余非故障传感器的信息对自适应模型进行重构。实例仿真表明航空发动机容错控制系统可以保证航空发动机在一定的性能指标下稳定运行,达到了容错控制的目的。     

基于信号统计模型的变电站半遮挡融合定位方法

变电站存在建筑遮挡和电磁干扰等问题,这导致传统的基于电磁波定位的人员管控方法精度快速下滑。为避免因单传感器定位精度劣化而导致的电力安全管控效率降低问题,研究基于多源信息融合的巡检人员位置估计技术至关重要,而现有融合定位方法大多难以在地图信息未知的条件下鲁棒地选择传感器融合策略,因此文中提出一种基于卫星和近超声信号特征分析的融合定位方法,仅依靠信号统计特征实现环境信息判别并自适应选取融合策略。首先,利用多传感器信号特征统计模型构建指纹库,并基于t分布随机近邻嵌入(t-distributed stochastic neighbor embedding,t-SNE)降维算法和密度峰值聚类(density peaks clustering,DPC)算法处理指纹库数据。其次,依据聚类结果搭建反向传播(back propagation,BP)神经网络,将信号环境特征与卡尔曼滤波器的参数映射。最后,使用神经网络输出优化基于卡尔曼滤波的多源定位切换模型,形成自适应的融合定位方法。利用真实变电站半遮挡环境采集数据进行实验,结果表明,相较于未知环境信息、已知环境信息的融合定位方法,所提出的方法在地图信息未知的情况下节约了地图标定信息,实现了高鲁棒的位置估计。     

基于LabVIEW的平台平衡控制系统的研究

对于非稳定平台平衡控制的研究,提出了基于多传感器数据融合的补偿滤波器融合方案.针对倾角传感器的滞后性和角速度传感器的零点漂移,进行了一系列的试验,校正了补偿滤波器的参数.最后,基于LabVIEW对补偿滤波器的性能进行了试验验证,试验结果证明,补偿滤波器输出倾角可以有效实现非稳定平台的平衡控制.     

基于相关性分布式卡尔曼滤波的谐波检测方法

微电网谐波问题严重。针对微电网谐波动态特性复杂的特点,探索了一种基于相关性分布式卡尔曼滤波的微电网时变谐波检测方法。首先,针对微电网系统相邻母线的谐波在一定程度上是相关的特点,提出了代表邻居节点间相关程度的邻节点相关系数这一概念,并给出一种微电网谐波测量邻节点间的量测值和协方差矩阵逆的两个融合变量计算方法;其次,对邻节点间估计值作了分布式融合处理,从而保证了邻节点间估计结果具有一致相关性;再者,通过重构迭代过程,简化了该算法的计算过程。通过在IEEE-14节点系统的仿真实验结果表明,该方法可实现多个检测点分布协同地完成微电网多母线谐波电压的状态估计,且相比传统卡尔曼滤波算法具有更好的估计精度和抗扰动性能,实时性和动态性也表现出较好的性能。     

基于自适应卡尔曼滤波算法的紧组合导航系统的研究

为了提高子滤波器滤波精度和优化信息融合算法,提出一种基于在线调节因子的自适应卡尔曼滤波算法。首先讨论采用卡尔曼滤波技术的理论依据,设计SINS/GPS紧组合导航系统。提出改进的自适应卡尔曼滤波算法,该方法通过构造自适应参数因子,并利用量测噪声协方差阵与自适应参数的比值实现在线修正量测噪声协方差阵。通过MATLAB仿真,与传统基于标准卡尔曼滤波算法的紧组合导航系统相比,其各向位置误差和速度误差均得到明显降低,从而达到提高组合导航定位精度和优化信息融合算法的目的。     

Self‐tuning weighted fusion Kalman filter for ARMA signal with colored measurement noise and its convergence analysis

For the multisensor single‐channel autoregressive moving average (ARMA) signal with colored measurement noise, when the partial model parameters and the noise variance are unknown, a self‐tuning fusion Kalman filter weighted by scalar is presented based on the ARMA innovation model by the modern time series analysis method. With the application of the recursive instrumental variable algorithm and the Gevers–Wouters iterative algorithm with dead band, the information fusion estimators for the unknown model parameters and noise variance are obtained, and their consistence is proved by the existence and continuity theorem of implicit function. Then, substituting them into the optimal weighted fusion Kalman filter, one can obtain the corresponding self‐tuning weighted fusion Kalman filter. Further, with the application of the dynamic variance error system analysis method, the convergence of the self‐tuning Lyapunov equations for filtering error cross‐covariances is proved. With the application of the dynamic error system analysis method, it is rigorously proved that the self‐tuning weighted fusion Kalman filter converges to the optimal weighted fusion Kalman filter in a realization; that is, it has asymptotic optimality. A simulation example shows its effectiveness.Copyright © 2012 John Wiley & Sons, Ltd.     

复合信息的多层传感技术

基于多功能传感器对复合信息进行分离和表达问题，本文提出了一种新的解决方案，即多层传感和融合技术，可以有效地处理复合信息，提高计算效率，为验证该方案的有效性，研制了一种新型多功能传感器，系由CdS和Fe3O4等化合物在同一基底上烧结而成，它可以同时用来测量环境温度，湿度和照度，针对复合信息的表达问题，本文还尝试了一种新的多层融合技术，即变量置信度策略。     

基于卡尔曼滤波提升快速反射镜的噪声水平

为了降低快速反射镜位置传感器的噪声水平同时又尽可能的减小滤波器所带来的不必要的相位滞后,在同样的硬件基础上提升位置信号的测量精度。将卡尔曼滤波方法引入到快速反射镜控制系统中,同时鉴于卡尔曼滤波器对建模精度的要求,对快速反射镜进行扫频结合手动拟合建模,并结合模型设计卡尔曼滤波器。在此基础之上,对卡尔曼滤波器和巴特沃斯滤波器的输出信号以及原始信号进行频谱分析,比较两种滤波方式的滤波效果和频谱覆盖范围。实验结果表明,卡尔曼滤波器的滤波效果为巴特沃斯滤波器的2.55倍,相位滞后量比巴特沃斯滤波器小36.0°,同时频域结果显示卡尔曼滤波器可以对更大频率范围的噪声有效。经过卡尔曼滤波以后,位置传感器测量精度明显提升。