改进牛顿–拉夫逊电阻层析成像图像重建算法

为了满足电阻层析成像图像重建算法应用于两相流领域的精度与实时性要求,提出一种改进牛顿–拉夫逊算法。针对牛顿–拉夫逊算法局部收敛的特点,将线性反投影算法成像结果作为新算法初始电阻率分布估计值,并利用基于改进粒子群算法的平衡法对海森矩阵进行预处理,降低条件数。同时在新算法迭代过程中,当振荡次数超过设定值时,采取自动更新灵敏度矩阵的策略。仿真与实验结果表明,与线性反投影算法、兰德韦伯算法及简化牛顿–拉夫逊算法相比,新算法降低了图像重建误差,有效提高了图像重建质量;而与标准牛顿–拉夫逊算法相比,新算法在满足成像精度前提下,避免了每次迭代均需更新灵敏度矩阵的缺点,提高了算法收敛速度。     

基于小波神经网络的电容层析成像图像重建算法

电容层析成像(electrical capacitance tomography,ECT)技术是一个复杂的非线性问题,针对图像重建问题的病态性,提出了基于小波神经网络的图像重建算法。利用主成分分析法对输入变量(电容测量值)进行降维处理,利用小波神经网络建立电容测量值与成像区域介电常数分布的非线性映射。小波神经网络的神经元激励函数由伸缩和平移因子决定的小波基函数,采用BP算法对网络进行训练,并引入学习率与动量因子的自适应调整方法以加快网络训练的收敛速度。实验结果表明,与典型的反投影及Landweber迭代算法相比,该算法所构图像质量有明显改善。     

电磁层析成像图像重建算法

电磁层析成像因其非侵入性、安全性能佳和速度快等特点在多相流在线检测中具有良好的发展前景,电磁层析成像中的重建算法与技术,是其在工业实际中得以应用的关键。近年来在图像重建方面的研究取得了较大的进展,灵敏度系数法,线性反投影(LBP)法,Tikhonov正则化法及ART法,同步代数重建法(SIRT)算法,Newto-Raphson法,Landweber迭代法等等。此外,对神经网络等新出现算法在EMT图像重建中的应用取得了一定的成果。本文对各种算法作了一定的评述。     

基于MOR两相流电容层析成像图像重建

在电容层析成像系统（ECT）的研制中，普遍采用线性反投影法（LBP）进行图像重建，但LBP产生的图像模糊现象难以消除，通过引入基于模型的重建算法（MOR），利用计算机仿真的方法进行图像重建，可很好消除模糊效应，为流型辨识提供有效的途径。     

改进的ECT成像法在传送带检测上的应用研究

针对电容层析成像技术中的"软场"效应问题,在分析了样条权函数神经网络算法基本原理的基础上,指出了基于样条权函数算法的改进思想.并将改进后的算法应用在电容层析成像对传送带钢芯绳检测技术的图像重建中,同时利用仿真得到的电容值,对算法进行了成像计算.并且与神经网络算法中的BP神经网络算法和样条权函数算法的成像进行了比较.实验...     

基于改进极小范数解的电容层析成像图像重建算法

提出了一种新的电容层析成像图像重建算法。在分析极小范数解的基础上，针对电容层析成像(ECT)逆问题的特点，利用正则技巧对其进行改进，并利用奇异值分解定理分析了这种改进的数值稳定作用。在此基础上，利用加权技巧建立新的目标泛函进一步改进极小范数解，并在求解该泛函的过程中采用正则技巧确保数值解的稳定性。数值实验表明，该算法是有效的，能够有效地克服ECT图像重建的数值不稳定性；而且该算法计算直接、无需任何复杂的技巧；就该文所考察的重建对象而言，其图像重建质量好于线性反投影算法(LBP)、标准Tikhonov 正则法和投影Landweber迭代法。从而为ECT图像重建提供了一种新的有效方法。     

利用多准则Hopfield网络对ECT进行图像重建

针对电容层析成像技术中图像重建质量较差的问题,提出一种基于多准则Hopfield网络模型的电容层析成像的改进图像重建算法。首先分析了ECT图像重建和Hopfield网络的基本原理,然后根据ECT图像重建的特点确定了4种准则函数:图像熵、测量电容和估计电容的误差平方和、重建图像的局部非均匀性函数和总变差,并将这4种准则函数引入Hopfield网络的能量函数中,由此推导出Hopfield网络的动态方程,在此基础上得到ECT图像重建迭代算法,最后通过仿真实验对所提方法进行了验证。仿真实验结果表明利用此方法获得的重建图像误差和相关系数比LBP算法和Landweber迭代算法得到的相应指标要好。由此可见,该方法是一种有效的、精确度较高的ECT图像重建方法。     

基于改进Runge-Kutta型landweber的电容层析成像图像重建算法

针对电容层析成像(ECT)技术中的"软场"效应和病态问题,提出了一种改进的RungeKutta型landweber的电容层析成像算法。在分析ECT系统基本原理的基础上,推导出了解决电容层析成像问题的改进Runge-Kutta型landweber算法的数学模型,并采用迭代误差的单调性对算法的收敛性进行了分析。在此基础上探讨了ECT应用该算法的可行性,算法满足收敛条件且重建图像误差小。仿真和实验结果表明,该算法和LBP、landweber、最速下降法和共轭梯度算法相比,该算法兼备成像质量高、稳定性好等优点。     

电磁层析成像图像重建中的修正Landweber迭代算法

电磁层析成像技术中图像重建算法的准确与快速是其在工业现场中得以应用的关键。Landweber迭代算法是电磁层析成像图像重建中应用最广泛的迭代算法,但其需要多次迭代,收敛速度慢。该文提出一种修正的Landweber迭代图像重建算法,该算法通过在构建的电磁层析成像逆问题目标泛函中添加正则化项,并采用自适应权重系数的方法,提高了收敛速度,并且改善了重建图像的质量。利用有限元法,在Maxwell中进行电磁层析成像正问题的求解,获得了图像重建所需的灵敏度矩阵。仿真和数值实验结果表明,修正的Landweber迭代算法在收敛速度和重建图像质量两方面均优于Landweber迭代算法。     

基于双参数模型的ECT图像重构混合算法

为了提高电容层析成像重构图像的精度和速度,本文提出了一种基于双参数模型的电容层析成像图像重构混和算法。该算法利用Morozov偏差原理确定Tikhonov正则参数,能使正则参数的选取与初始数据的误差相匹配,同时基于Morozov偏差方程导出了一种双参数模型,并进一步与牛顿法相结合用于快速得到最优的正则参数。数值实验表明:与线形反投影算法(LBP)、Landweber迭代算法和L-曲线法相比,所提出的混合算法具有图像重构速度快、精度高的优点。     

基于小波包分析的电力负荷预测算法

提出基于小波包分解和重构的电力负荷预测算法.算法使用具有线性相位的双正交小波对电力负荷数据进行小波包分解和重构,然后用神经网络直接对各尺度上的电力负荷分量进行预测,最后将各尺度上的预测值相加,得到实际负荷预测值.算例表明算法具有较高的预测精度,优于传统的BP神经网络,有利于分析不同时频区域的电力负荷特性,为更准确地建模和预测提供了条件.     

基于小波过程神经网络的短期风速预测

针对风速序列非线性和非平稳性的随机性特点,提出了基于小波过程神经元网络的短期风速预测方法.首先利用相空间重构理论,计算出风速时序的最佳嵌入维数作为网络的输入层节点数,根据小波神经网络的经验公式来选取网络隐含层的节点数初始值,通过调整参数使网络误差达到最小值,得到合适的隐层节点数,并给出相应的学习算法.算例仿真结果表明所提预测方法的可行性,运用本方法与时序ARMA模型对比,其预测结果的精度明显提高.     

基于改进生成式对抗网络的电气数据升频重建方法

高频电气数据是提高电网态势感知准确度、监测水平和辅助服务质量等的数据基础之一,但是,传统重建算法难以实现高精度的数据重建。因此,文中利用改进生成式对抗网络将低频电气数据重建为高频。通过将时序数据转化为电气图像,实现神经网络方法对电气图像特征的高效提取。利用基于深层残差网络的生成器和改进的残差块结构,提高生成器的特征学习能力。此外,生成器损失函数考虑真实样本与生成样本在低维或高维特征的差别。以公开数据集为例进行算法验证,验证结果表明,相比于传统重建方法,所提方法具有更高的峰值信噪比、结构相似性和更低的平均绝对误差、平均绝对误差百分数,以及更高的高频细节还原度、重建精度,能够对不同数据集实现泛化。     

一种基于行程编码的图像背景重构

背景差法是一种重要而且实用运动目标检测方法。该算法的难点在于如何进行背景图像的重构。本文针对该问题,提出一种基于行程编码的背景图像重构算法,即在假设背景图像以最大概率出现在图像序列中的前提下,选择频率最高的图像作为背景图像进行背景重构。利用序列图像时间上的相关性进行行程编码,用编码数据进行背景图像点得重构,使重构具有实时性和节省运算空间的特点。在慢运动目标的图像序列中,即观测时长较长时,利用本文算法进行实时背景重构具有明显的优点。仿真结果表明,该算法能够准确地重构背景,从而实现对运动目标的完整提取,以便进一步识别或跟踪。     

基于混沌神经网络理论的小电陨短期电力负荷预测

通过对小电网负荷数据的特点分析，将时间序列处理、混沌理论和神经网络理论相结合提出了一种基于混沌神经网络理论的电力负荷预测模型。利用Matlab对实际数据进行了仿真计算。通过实例计算，并和不用相空间重构的神经网络的负荷预测算法的各种误差指标的分析比较说明，利用相空间重构对历史数据序列进行拆分或重构可以提高负荷预测的精度。     

基于混沌神经网络理论的小电网短期电力负荷预测

通过对小电网负荷数据的特点分析,将时间序列处理、混沌理论和神经网络理论相结合提出了一种基于混沌神经网络理论的电力负荷预测模型。利用Matlab对实际数据进行了仿真计算。通过实例计算,并和不用相空间重构的神经网络的负荷预测算法的各种误差指标的分析比较说明,利用相空间重构对历史数据序列进行拆分或重构可以提高负荷预测的精度。     

Short Term Load Forecast Using Wavelet Neural Network

This paper presents a wavelet neural network (WNN) model combining wavelet transform and artificial neural networks for short term load forecast (STLF). Both historical load and temperature data having important impacts on load level were used in the proposed forecasting model. The model used the three-layer feed forward network trained by the error back-propagation algorithm. To enhance the forecasting accuracy by neural networks, wavelet multi-resolution analysis method was introduced to pre-process these data and reconstruct the predicted output. The proposed model has been evaluated with actual data of electricity load and temperature of Hunan Province. The simulation results show that the model is capable of providine a reasonable forecasting accuracy in STLF.     

基于遗传算法和傅里叶级数的局部放电窄带干扰抑制

阐述了傅里叶级数法利用原始数据来重构窄带干扰的基本思想,分析了其重构精度受频率估计偏差和随机干扰影响较大的不足.在此基础上,结合遗传优化算法提出了一种抑制局部放电信号中窄带干扰的新方法.它不需要预知窄带干扰频率的精确值,而是通过遗传算法优化选择重构参数,避免了求解冗余方程组带来的累积误差,具有较强的自适应逼近能力和抗随...     

基于二进小波变换和三角样条插值的电机故障信号重构方法

近几年来小波变换在信号处理尤其在电力系统故障信号的分解、消噪、重构以及故障特征提等诸多方面得到了广泛的应用，基于小波变换的各种算法不断出现。文[8]提出了使用二进小波变换提取信号边缘特征，根据信号特征点的值和导数值用三次埃米特多项式进行插值重构。本文分析了文[8]存在的两个问题，并针对这两个问题进行改进，即在二进小波变换和插值重构时使用同一种函数－三角样条小波函数，这样才能体现出信号处理的本质。本文作者提出的三角样条小波正好同时具有作为小波函数和插值函数双重作用，大大提高算法的效果。本文将它应用到电机故障信号的重构过程中，并就信噪比和相对误差与Mallat算法和文[8]算法进行了比较，效果明显。