改进变步长LMS算法在软起动谐波检测中的应用

针对现有自适应变步长最小均方(LMS)谐波电流检测算法在低信噪比环境中易受干扰影响,提出一种改进自适应变步长LMS算法。该算法将误差信号与前一工频周期误差信号的差值作为反馈量,结合箕舌线函数构造出随动的动态因子,将此动态因子也作为调节权值的动量因子,利用自相干估计误差控制步长。该算法折中考虑收敛速度和稳态精度,并有效降低噪声信号的干扰。通过对电机软起动器工作过程中产生的周期重复性谐波进行检测和分析,证明了该谐波电流检测算法的可行性。     

快速收敛变换域自适应滤波算法

为了提高LMS算法均衡相关信号时的收敛性能,提出了一种新的快速收敛变换域自适应滤波算法（VS-DCTLMS）。该算法融合了归一化离散余弦变换LMS算法和变步长离散余弦变换LMS算法的优点,具有结构简单,收敛速度快,稳态误差小的特点。仿真结果表明,该算法计算量和变步长归一化LMS（VS-NLMS）算法、解相关LMS（DescorrLMS）等算法相当,但在收敛速度上具有很大优势;收敛性能和最小二乘回归算法（RLS）接近,却克服了RLS计算量大、不利于硬件实现的实际问题,是一种性能优良的可实现方法。     

基于五点反演法的上机架动载荷识别

本文简要介绍了作者提出的动载荷识别的五点反演法,即通过t+2△t,t+△t,t,t-△t和t-2△t这5个时刻测点上的位移值的线性组合来确定t时刻的载荷值.在对某水轮发电机组上机架的动载荷识别过程中,给出了五点反演法的识别步骤.识别结果验证了该方法的有效性.本文的研究成果为水轮机组的振动分析提供了一种新的分析方法.     

基于改进共轭梯度理论神经网络优化算法研究

文章阐述了一种改进共轭梯度理论神经网络优化算法。该方法是在传统共轭梯度算法(CG)基础上引入对输出权值进行优化的理念,故称其为输出权值优化共轭梯度算法(OWO-CG)。这种算法在进行学习时,首先根据误差函数利用共轭梯度法计算收敛因子,并修改输入层和隐含层的权值因子;接着,计算隐含层输出函数,利用相关输出权值优化理论构建并求解线性方程组得到输出层的权值因子;最后,计算误差函数,利用该算法不停地修正神经网络回路输出值与期望输出值之间的差值,直到满足精度要求为止。仿真验证结果表明,与传统共轭梯度算法相比,这种算法的学习过程更加迅速和准确。     

基于系数估值约束的改进LMS自适应滤波算法

为提高扩散LMS自适应滤波算法的收敛速度和保持较低的稳态误差,在扩散LMS算法基础上,提出一种基于参数估计值约束的分布式自适应网络滤波算法,算法在迭代收敛过程中,根据相邻迭代过程参数估计值差值约束实现自适应的调整步长大小,从而使得算法在估计初期采用较大步长以加速收敛,而在估计后期自适应的调整步长以保持较低的稳态误差。对比实验结果表明:相比于现有其他算法,所提算法在进行分布式估计时性能更优。     

基于箕舌线函数的变步长自适应谐波电流检测算法

针对现有变步长最小均方(LMS)广义谐波电流检测不能消除同频谐波电流和基波无功电流对步长更新的干扰,以及对跃变的系统跟踪能力差的问题,文中提出一种基于箕舌线函数的变步长LMS谐波电流检测算法。该算法采用将当前时刻负载电流减去滤波器输出的误差信号与参考输入信号的瞬时互相关时间均值估计来消除基波无功电流和谐波电流的干扰,并通过改进的箕舌线函数来调节算法的步长,从而在保证动态响应时间不增大的前提下,使算法具有更小的稳态误差,对跃变的系统具有较强的跟踪能力,且其参数的取值对负载电流大小的依赖性较小。计算机仿真结果证实了该方法的有效性。     

改进的变步长自适应谐波检测算法

基于自适应对消原理的自适应谐波检测算法因其优良的性能被广泛应用于有源滤波器,但该算法存在无法平衡稳态精度和收敛速度方面的不足。针对此不足,文中基于箕舌线函数和三阶权值系数提出了一种改进的变步长(Least Mean Square,LMS)谐波检测算法。该算法利用误差信号的自相关平均估计获得期望误差估计均值,并通过改进的箕舌线迭代函数作为核心函数来调节步长更新,之后通过推导出来的三阶权值公式代替传统的权值迭代。仿真实验结果表明,该算法在谐波检测中不但具有较快的收敛速度,也能获得较高的稳态精度。     

基于线性约束最小均方的谐波检测算法

最小均方(Least Mean Square, LMS)算法因其计算复杂度低、稳定性好的特点已广泛应用于谐波检测领域中。但为了避免权重偏移,进一步提高收敛速度,提出了一种基于线性约束最小均方(Linearly Constrained Least Mean Square, LCLMS)的谐波检测算法。该算法在LMS算法的基础上,对权重变量加入了一个线性约束条件,并应用于不同高斯白噪声环境下谐波、间谐波信号的幅值和相角参数评估。最后又在稳态信号、动态信号和电弧炉算例下检验了该算法的可行性。实验结果表明,该算法可以快速准确地检测不同环境下谐波的相关信息,且相比LMS算法有较快的收敛速度和较高的抗干扰能力。     

基于非线性多中心校正内点法的最优潮流算法

提出了求解电力系统最优潮流问题新的非线性多中心校正内点算法.该算法采用仿射方向作为预测方向,在校正方向上增加了权系数,并通过线性搜索方法确定权系数的最优值,在预测方向和校正方向的组合方向上获得最大的迭代步长值;同时通过检验校正后的方向是否落在中心轨迹的对称邻域内来保证算法的收敛性.算法能够通过单次校正获得较大的计算步长,从而提高了计算的速度.该算法与预测校正内点法相比具有鲁棒性好、收敛快速的优势,特别是在计算过程中互补对差值较大的恶劣条件下.通过对多个测试系统的仿真,结果验证了算法有效性.     

增强型LMS自适应电网畸变电流检测算法研究

为解决常规LMS自适应算法在电网畸变电流检测中存在收敛速度和稳态误差之间的矛盾,本文提出了一种增强型LMS自适应算法。该算法通过对输入信号环节进行预置带通滤波处理,改善信号的自相关数值,实现了基波处的幅值无衰减且相位无延时,同时通过对LMS算法权值和误差环节嵌入低通滤波拓扑结构,达到了降低畸变电流波动的目的。最后在对常规算法与增强型LMS算法分析比较的基础上,通过仿真和实验证明了本文理论分析的可行性,验证了此算法在畸变电流检测中的有效性和准确性。     

基于LMS算法的热工过程建模研究

热工过程往往表现出非线性、大惯性和大迟延等特点,不易建立精确的数学模型,难以精确表达热工过程以至于不能达到理想的控制效果。针对这一问题,提出了基于LMS算法的自适应滤波建模方法。该方法通过误差信号自适应调整每个抽头权值,使基于该算法的自适应滤波器能够迅速的收敛到要求的输入和输出关系,从而达到精确建模的目的。仿真结果表明该算法复杂度低,精度高,能有效的应用于热工过程建模。     

自适应加权根多项式回归颜色校正算法研究

针对多项式回归颜色校正方法中的不足,提出一种自适应加权的根多项式回归算法。多项式回归颜色校正过程中需要手动标定色卡色块位置,操作不便且易产生人为误差,本文自主设计了一种带QR码上3个定位标识符的色卡,可实现色卡色块的自动定位;针对多项式回归法的高阶项会放大噪声且对噪声不具有健壮性的问题,本文算法将自适应地调整权重矩阵以减小样本奇异值对拟合性能的影响,再由色差值计算另一个增益系数矩阵,从而提高校正性能。经实验验证,本文算法在CIELab色差值、PSNR两项指标上相较于传统多项式回归方法都有较大提升。其中,传统多项式回归方法平均CIELab色差值高达6.5,且该数值受环境影响较大,而本文算法对不同环境下的图像校正后色差可稳定在3.2以下。     

A dual filtering scheme for nonlinear active noise control

Active noise control problems are often affected by nonlinear effects such as distortion and saturation of measurement and actuation devices, which call for suitable nonlinear models and algorithms. The active noise control problem can be interpreted as an indirect model identification problem, due to the secondary path dynamics that follow the control filter block. This complicates the weight update mechanism in the nonlinear case, in that the error gradient depends on the secondary path gradient through nonlinear recursions. A simpler and computationally less demanding approach is here proposed that employs the updating scheme of the standard filtered‐x least mean squares (LMS) or filtered‐u LMS algorithm. As in those schemes, the calculation of the error gradient requires a signal filtering through an auxiliary system, here obtained through a secondary adaptation loop. The resulting dual filtering LMS algorithm performs the adaptation of the controller parameters in a direct identification mode and can therefore be easily coupled with adaptive model structure selection schemes to provide online tuning of the model structure, for improved model robustness. Copyright © 2013 John Wiley & Sons, Ltd.     

改进Zernike矩的亚像素圆孔类零件测量方法

为了提高圆孔类零件半径尺寸的测量精度,提出一种改进的Zernike矩亚像素圆孔类零件测量方法。首先对传统Canny算子进行改进,分别在图像输入、去噪、梯度幅值计算和阈值选取方式上进行了优化,实现圆孔中心像素级边缘坐标的粗定位;其次提取待测零件圆孔所在的目标区域边缘像素点,利用在Ghosal算法的基础上提出新的边缘判断条件和采用迭代法计算得到Zernike矩的最佳灰度阶跃阈值来判断并获取亚像素边缘点,且从灰度边缘模型的角度对误差进行了分析;最后利用最小二乘原理实现圆孔中心坐标和半径的高精度检测和测量。仿真结果表明,改进算法的圆心坐标相对误差在0.02 pixels范围内,半径的相对误差精度为0.05 pixels范围内。通过对几个不同零件的实际测量,实验结果表明,改进后的算法和原算法与人工测量值对比,改进后的算法相对误差值更低,得到的实际值更接近人工测量值,测量精度明显高于传统的Zernike矩算法,所达到的测量精度能够满足工业零件生产过程中的精度要求。     

一种改进自适应谐波检测算法研究

分析了传统定步长最小均方(LMS)算法用于谐波电流检测的不足,采用一种新的变步长LMS自适应算法检测谐波电流:根据误差信号e(n)和e(n-D)的自相关估计调整步长迭代,当权系数远离最佳权值时,通过增大步长加快对时变系统的跟踪速度;当权系数接近最佳权值时,减小步长获得较小的稳态误差。通过递推公式参数的选择,可对系统的收敛速度与稳态失调进行更灵活的控制。推导出了该方法的理论表达公式,其增加的计算量很小,容易实现。该方法能有效调节步长,不受谐波电流的干扰。仿真结果证明了该谐波电流检测方法的有效性。     

基于自感知执行器原理的调谐滤波器

根据自感知执行器的工作原理,利用一只变压器完成谐波检测和抑制两种功能,处于正常工作状态时可实现谐波抑制,处于非正常工作状态时不致放大谐波。首先对工频信号进行数字采样,再利用自相关函数法结合递推最小二乘估计工频信号的频率,再根据该频率产生反向抑制谐波,来抑制当前谐波。为实时调整各次反向抑制谐波的权重,根据当前时刻的谐波抑制的结果,采取最小均方自适应算法来更新权重。模拟试验表明,该调谐滤波器具有良好的控制特性。     

适用于非同步采样的相位差准确测量方法

提出了一种基于相关原理的电信号相位差准确测量方法,在同步采样条件下,对电压、电流信号作归一化处理后得到的2信号的互相关函数在初始时刻的值直接反映了它们之间的相位差。电信号频率发生波动时,同步采样变成非同步采样,根据相关函数的原理式进行推导得到改进的相位差测量算法。并对其在实际测量中的主要不确定源进行了分析,定量地给出它们对改进算法测量质量的影响程度。该方法可同时测量出相位差和信号的频率,具有较高的准确度, 适用于同步采样和非同步采样两种情况。实验及仿真结果均验证了该方法的有效性。     

极端降水广义帕累托分布参数的Pickands自助矩估计研究

广义帕累托分布(GPD)是描述超门限峰值(POT)序列较好的概率分布模型,但确定门限值是使用该模型最棘手的问题。为此,提出了一种广义帕累托分布参数的Pickands自助矩估计方法。首先,运用Pickands自助估计算法对广义帕累托分布的形状参数和最佳超门限峰值个数进行估计,进而计算出门限值;然后,结合矩估计法得到广义帕累托分布的尺度参数。将该方法应用于北京日降水序列,并与相同门限值时的线性矩估计结果进行了比较。结果表明,Pickands自助矩估计可以得到比较好的广义帕累托分布和广义极值分布的参数,由此估计的广义帕累托分布的分位数和北京极端降水超门限峰值的相关系数可达0.997以上,而两者的标准差和最大偏差最小,明显优于线性矩估计结果。     

A novel fast fractal image coding algorithm based on texture feature

A novel, fast fractal image coding algorithm based on the texture feature is proposed in this paper. Fractal image coding is a very promising technique for image compression. However, it has not been widely used because of the long encoding time and high computational complexity. The most fractal image encoding time is spent in determining the approximate D‐block from a large D‐blocks library by using the global searching method. Clustering the D‐blocks library is an effective method to reduce the encoding time. First, all the D‐blocks are clustered into several parts based on the new texture feature α derived from variation function; second, for each R‐block, the approximate D‐blocks are searched for in the same part. In the search process, we import control parameter δ; this step avoids losing the most approximate D‐block for each R‐block. Finally, the R‐blocks whose least errors are larger than the threshold given in advance are coded by the quad tree method. We have performed a simulation with MATLABR2010a to verify the effectiveness of the proposed algorithm. The experimental results show that the proposed algorithm can be over 6 times faster than the moment‐feature‐based fractal image algorithm; in addition, the proposed algorithm also improves the quality of the decoded image and increases the PSNR's average value by 2 dB. The comparisons demonstrate that this method is better than the fractal image coding algorithm based on statistical features. © 2012 Institute of Electrical Engineers of Japan. Published by John Wiley & Sons, Inc.