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.     

基于深层玻尔兹曼机的风电场异常风速值自适应检测预处理方法

为提高现有风电场数据采集系统的准确性和可利用性,提出了深层玻尔兹曼机(DBM)、经验模态分解(EMD)和隐马尔科夫(HMM)组合算法处理运行数据含有少量异常风速值的自适应检测方法。针对风速序列的随机多变性,采用DBM预测方法挖掘异常风速值的潜在特征,得到反映风速值异常情况的残差序列;进一步提高检测精度和降低系统误差的干扰,采用EMD方法捕获残差序列中粗大误差的特征;借助HMM算法的双重随机过程自适应地并剔除检测异常风速点,避免了传统阈值检测方法难以准确识别异常值的问题;最后,为了得到完整的风速序列,对检测出的异常点运用加权双向ARMA算法修正数据。RBF预测结果验证表明,经预处理后风速质量得到了提高,所提方法与传统小波异常值检测方法相比具有更精确的辨识能力,进一步提高了短期风速的预测精度。     

薄膜磁致伸缩系数计算机辅助测试系统的设计

采用激光光杠杆放大的方法,利用位置敏感传感器(PSD)探测激光光点的位移,通过AD转换,由计算机EPP接口对数据进行采集,并利用C 开发了基于WINDOWS平台的数据采集处理可视化界面,设计实现了对悬臂梁微挠度的测量,最终得到薄膜磁致伸缩系数λ的可视化计算机辅助测试系统.     

基于改进空间相关法和径向基神经网络的风电场短期风速分时预测模型

空间相关法利用空间相关点风速数据之间的相似性和延时性进行风速预测,但在实际应用中存在数据收集困难的问题.提出用空间平移法对空间相关法进行改进,通过减少空间相关点的数目,可有效地降低数据收集难度.为了确定空间相关点风速与所需预测的风电场风速数据之间的非线性关系,采用径向基(RBF)神经网络,建立了基于空间相关法的分时预测模型.该方法通过对风电场与空间相关点风速时间序列之间的关联度分析,将未来预测时段分成若干个时段,在每个时段内分别选择关联度高的相关点的风速数据,作为RBF神经网络的输入数据进行训练和预测.算例表明,该方法可提高风电场风速预测的预测精度,减少了RBF神经网络的训练时间.     

基于IFWA-BP神经网络的线风速数据融合研究

针对时差法测量线风速受环境因素影响,导致测量结果不准确的问题,提出一种基于自适应烟花-BP神经网络(IFWA-BP)的数据融合方法。将线风速信息和环境信息进行数据融合,通过多源信息互补减小线风速测量的不准确性。自适应烟花算法是在烟花算法中引入自适应惯性权重,并对爆炸算子进行改进,增强了烟花算法的全局搜索能力,从而优化BP神经网络中的权值和阈值的寻优过程。为了比较IFWA-BP融合模型的融合效果,进行了多算法融合模型对比实验,实验结果表明IFWA-BP融合模型减小了线风速测量的误差,使线风速测量系统的精度达到了98.48%。     

并网光伏数据采集系统设计及误差修正

开发了一套具备数据采集、分析处理、测量结果校准等功能的太阳能并网光伏数据采集系统.为解决零点漂移、元器件非线性等因素造成的测量误差,论文提出了一种基于分段最小二乘法的数据校准算法.通过计量标准表建立光伏数据采集系统的标准值,利用分段最小二乘拟合法对系统测量结果进行校准,由标准测量值与校准值相比,判断系统是否达到设计要求.实验结果表明,基于分段最小二乘拟合法可以有效补偿系统的测量误差,与未经校准的测量数据对比发现,所设计的光伏并网数据采集系统和校准算法,将测量误差减小了89.6％,测量精度得到有效提高.     

基于RBF网络的光纤位移传感器温度补偿研究

提出了一种解决光纤位移传感器温度影响的软件补偿方法.该方法基于RBF神经网络理论,将位移传感器和温度传感器的输出进行神经网络处理,基本消除了温度对光纤位移传感器的影响.为存在温度影响的光纤类传感器的实用化设计提供了一种可行途径.实验表明,神经网络处理后光纤位移传感器的温度敏感度系数下降了两个数量级,测量准确度和系统稳定性均得到提高.     

基于风速局部爬坡误差校正的风电功率优化预测

准确的风电功率预测对于电力系统安全稳定运行具有重要意义,滞后性是产生风电功率预测误差的主要原因,尤其是风速变化较快时,滞后性引起的预测误差较大。考虑到风速波动与风电功率的变化息息相关,提出一种基于风速局部爬坡(LR)误差校正的方法来改善预测风速的滞后性,并将校正后的预测风速及历史功率数据作为输入进行风电功率预测。提出利用灰狼优化(GWO)算法对最小二乘支持向量机(LSSVM)的参数进行优化,以提高风电功率预测的准确性。算例结果表明,所提方法能够有效提高风电功率预测精度。     

基于二次相关的双阵元接收阵列超声波风矢量测量

针对在低信噪比条件下超声波风速风向测量精度低的问题,提出一种基于二次相关法的双阵元接收阵列超声波风速风 向测量方法。 首先采用由一个超声波发射传感器和两个接收传感器组成的阵列结构,其次在该系统结构基础上给出一种基于 二次相关的超声波传播时间测量方法,利用二次相关算法对噪声抑制更强的性能可有效提高风速风向测量的精度。 最后通过 模拟仿真实验对所提测风方法进行有效性验证,并通过双阵元测风系统进行了实测数据验证。 实验结果表明,基于二次相关算 法的双阵元接收阵列超声波传感器风速风向测量方法具有较强的噪声抑制能力,在实测环境下风速风向最大测量误差分别为 0. 24 m/ s 和 2. 4°,基本达到了超声波测风仪的设计要求。     

基于 Kalman-LSTM 模型的悬浮质含沙量测量

针对电容法测量河流含沙量过程中易受环境因素影响而导致测量结果不准确的问题，提出基于卡尔曼滤波和长短期记忆神经网络(Kalman-LSTM)的融合模型。先采用卡尔曼滤波器进行滤波处理，减小传感器测量的随机误差；再通过LSTM神经网络模型对含沙量信息和环境量信息进行多传感器数据融合，减小环境因素对电容法测量含沙量的影响；最后建立了电容法测量含沙量的Kalman-LSTM融合模型。为了验证Kalman-LSTM融合模型的融合效果，与BP模型、RBF模型和LSTM模型对比，比较各模型的均方根误差、最大绝对误差、平均绝对误差和平均相对误差。实验结果表明，Kalman-LSTM融合模型的平均相对误差为2.54%,均方根误差为2.47 kg/m³,该融合模型能有效降低环境因素对含沙量测量的影响，提高电容法测量含沙量的准确性。     

基于径向基函数神经网络的涡流传感器非线性补偿方法研究

为了解决数字式涡流传感器的非线性问题,提出利用径向基函数神经网络进行非线性补偿的方法。介绍非线性补偿原理以及算法,并将其与BP神经网络法进行比较。从实测数据出发,建立了涡流传感器的非线性补偿模型。结果表明,这种非线性补偿模型误差小、有良好的鲁棒性、能实现在线软补偿,比用BP神经网络有更快的训练速度。     

基于PF-RBF神经网络的短期风电功率预测

为了提高风电功率的预测精度,研究了一种基于粒子滤波（PF）与径向基函数（RBF）神经网络相结合的风电功率预测方法。使用PF算法对历史风速数据进行滤波处理,将处理后的风速数据结合风向、温度的历史数据,归一化后构成风电功率预测模型的新的输入数据;利用处理后的新的输入数据和输出数据,建立PF-RBF神经网络预测模型,预测风电场的输出功率。仿真结果表明,使用该预测模型进行风电功率预测,预测精度有一定的提高,连续120 h功率预测的平均绝对百分误差达到8.04%,均方根误差达到10.67%。     

基于磁阻传感器的高旋弹转速测量系统

由于现在战争的需要,对弹药精确打击能力提出了新的要求,传统的测量方法对高旋弹转速的测量,受器件过载、成本限制、精度要求已经无法满足工程应用的需求.地磁场作为一个有规律的稳定场,在宇宙空间探测、国防、矿场探测方面发挥着重要作用.本文提出的测量系统利用两片HMC1052,通过特殊的传感器组合方式获取地磁场信号,地磁场信号在再经过过零点结算,最终得到弹体转速.该测量系统能够解决转速高达330 r/s的高旋弹转速测量问题,经过试验验证,转速误差相对精度可以达到1.52%.     

基于脊波神经网络的短期风电功率预测

对风电功率进行较为准确的预测是提高电力系统运行安全性与经济性的有效手段.在分析脊波神经网络原理的基础上,将其应用于风速、风向及风电功率预测.首先建立预测模型分别预测风速及风向,再采用非线性神经网络实现对实际功率曲线的逼近,最后根据风速预测值和实际功率拟合曲线计算功率预测值.仿真结果表明,采用脊波神经网络预测方法相对于小...     

基于扩展卡尔曼滤波的风速估计算法研究

风场信息是机载大气数据系统故障情况下重构大气数据的基础,飞机对所处的风场的感知对飞行器的安全飞行具有重要意义。目前机载风速测量通常是基于惯性导航系统或GPS提供的地速与大气数据系统提供的真空速计算法,由于真空速的测量滞后以及测量误差,直接计算的风速不能满足飞机使用要求。利用高空风场以水平风为主的大气特点,建立风场估计模型,以水平风速的东向及北向分量作为状态向量,以机载大气数据系统压力传感器提供的动压为量测量,通过构建扩展卡尔曼滤波器的方法实现外部风场的精确估算。在此基础上对虚拟大气数据系统提供的风场信息进行分析,验证此估计算法的可行性和有效性。仿真结果表明,该方法可获得较高的风速估算精度,并具有良好的稳定性,为飞机高空飞行提供精确的外部风场信息备份。     

多通道七孔探针测速系统研究

为了满足低速流场的测速要求,基于七孔探针测速原理,设计了一套多通道七孔探针测速系统,给出了七孔探针测速系统的嵌入式硬件电路及基于Modbus通信协议的上下位机软件系统的详细设计方案,通过对传感器的压力系数标定提高了压力测量数据的一致性.在低速风洞中进行了探针标定实验,通过对标定实验数据的分析,得出探针的俯仰角和方位角的绝对误差为0.2°.并在此基础上进一步分析了探针孔径误差和传感器测量误差对系统测量结果造成的影响.     

Volume fraction measurement of oil-water two-phase flow using a coaxial conductivity sensor

The accurate measurement of volume fraction of oil-water two-phase flow on line is important in the oil field. This paper presents a new coaxial conductivity sensor for measuring the volume fraction of oil-water two-phase flow. This structure may get the more uniform sensitivity field and the vertical installation may get the more axial symmetry of the flow field, which improve the measurement accuracy. In order to minimize the influence of the edge effect, guard electrodes were designed. An anti-edge effect degree Ae was defined to optimize the length of the guard electrode. Different models of effective conductivity of two materials were used in calculating the oil volume fraction of oil-water two-phase flow. The experimental results indicate that Maxwell model is the best model under the condition of oil volume fraction less than 50% and the mean value of the calculation results using Maxwell model and Bruggeman model possesses higher accuracy in the range of oil volume fraction (50%-70%). The experimental results show that the sensor obtains similar measurement performance in both vertical upward and downward flow conditions. The accuracy of the sensor system is 2% when the oil volume fraction less than 50%, and the accuracy is about 5% when the oil volume fraction between 50% and 70%.     

基于小波与最小资源分配网络的超短期风电功率预测研究

针对风电场实际风速和风电功率序列的波动性、间歇性等特点以及RBF神经网络结构一旦确定隐节点个数就不可变等缺陷,提出了基于小波分析和最小资源分配网络的超短期风电功率预测方法。首先将历史风速和风电功率序列进行小波去噪及多频分解,得到多组高频信号和一组低频信号。然后对各频信号分别建立神经网络预测模型对未来4 h风电功率进行超短期预测。最后将各预测结果通过小波重构得到最终的超短期预测功率。实验结果证明,该方法能有效提高预测精度。