基于误差修正的电力传感器失调节点定位

失调节点的定位直接影响无线传感器网络在智能电网应用的范围,为了获得理想的电力传感器失调节点定位结果,提出一种基于误差修正的电力传感器失调节点定位方法。首先分析当前电力传感器失调节点定位的研究现状,并指出了当前电力传感器失调节点定位方法存在的问题;然后采用经典DV-Hop算法对失调传感器节点进行初步定位,并采用极限学习机对定位误差进行修正;最后利用Matlab 2014工具箱对电力传感器失调节点定位性能进行测试。结果表明,该方法的电力传感器失调节点定位准确性要优于传统方法,同时加快了电力传感器失调节点定位速度。     

基于IMA-FPGA的电力传感器失调节点定位方法

为了解决动态测试系统中,由于电力传感器失调节点定位偏差,产生的测试数据失调现象,提出基于改进关联挖掘算法(Improved Mining Association Algorithm,IMA)及FPGA实现的电力传感器失调节点定位方法,对关联挖掘算法进行了详细的逻辑分析。利用该算法思路获取电力传感器失调节点间的关联规则,基于该关联规则,通过电力传感器失调节点的DV-Hop定位算法,将未知电力传感器失调节点到信标节点间的距离,用网络中节点平均每跳距离和到信标节点间的跳数乘积表示,采用三角定位获取电力传感器失调节点的位置。为了将最佳电力传感器动态定位器运用在在线检测中,在动态定位器的硬件结构中融入了分布式算法,给出了电力传感器动态定位器的高速并行FPGA实现过程。实验结果说明,所提方法进行电力传感器失调节点定位时的执行时间与内存使用量方面均优于传统方法,定位准确率方面比传统方法也有很大提高,有一定的实际应用价值。     

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.     

基于卡尔曼滤波的矿井移动节点定位算法研究

提出了一种基于无线传感器网络的矿井移动节点的定位算法.针对井下环境特征,巷道纵横交错,移动节点数量庞大以及无规律移动的特殊复杂情况,提出了一种卡尔曼滤波测距预估和弹性粒子模型相结合的定位算法.该算法采用卡尔曼滤波器对RSSI信号强度进行滤波和测距预估,建立弹性粒子网络模型对移动节点定位准确度进行校正,实现了矿井移动节点的实时精确定位.通过仿真实验表明,该算法误差小,精确度高,适合用于井下大规模的移动节点的定位.     

计算机网络对智能电网安全的有效保护机制分析

传统的保护方法采用时帧分布调节方法实现智能电网网络信道交叉映射,实现过载保护和网络节点管理,容易导致智能电网计算机网络节点信道偏移,数据丢包率较高,安全性差。提出基于端到端数据融合滤波的具有容错性的计算机网络下智能电网安全保护机制。构建计算机网络下的电网节点优化分布模型,采用网格形式部署,对过载节点进行数据融合与滤波处理,提高电网节点的容错性能;采用预加重方法补偿智能电网计算机网络节点之间的系统功率衰减,实现安全保护优化。仿真结果表明,采用该算法能准确实现对智能电网中的网过载的失调节点定位,电网进行能量传输稳定性较高,抗干扰性能较好,有效实现了电网的安全保护。     

基于改进蝙蝠优化算法的无线传感器网络定位研究

为解决传统DV-Hop算法在无线传感器网络中存在的定位误差大的问题,提出了一种基于改进蝙蝠优化算法的无线传感器网络(WSN)定位方法。首先,构建WSN协同定位模型,并将传统蝙蝠算法与元胞自动机进行融合取代DV-Hop算法中的最小二乘法来计算网络中未知节点的位置,提高算法的搜索能力;其次,引入小生境技术和个体灾变机制,避免算法陷入局部最优,提高全局搜索能力;最后,通过仿真实验进行性能对比分析。实验结果表明,所提算法在节点呈随机分布、C型分布和O型分布的情况下均能够有效实现对未知节点的准确定位,且定位精度和收敛速度均优于对比算法;所提算法的定位精度随锚节点总数、锚节点比例以及通信半径的增加而增加,随传感器测距误差增加而减小。     

基于动态贝叶斯 LS-SVM 的水下节点移动预测定位算法

针对水下无线传感器网络环境的复杂性和节点的动态性所导致的节点定位精度低的问题,提出了一种基于动态贝叶斯 LS-SVM 的水下无线传感器网络节点移动预测定位算法;该算法以信标节点到通信半径内所有信标节点的距离和跳数矩阵作 为训练集;利用贝叶斯证据框架构建贝叶斯 LS-SVM 模型,将未知节点与信标节点之间的跳数向量作为测试集;将测试集代入 到训练好的贝叶斯 LS-SVM 模型中来确定节点之间的距离,进而建立节点与信标节点距离矩阵的方程并利用最大似然估计法 对未知节点坐标进行估算;最后,通过循环迭代的方式对所有未知节点进行定位的同时使用自适应增减算法动态调整模型参数 和预测模型,以适应数据的动态变化;实验结果表明,该算法相同的节点密度下相较于 SLMP 算法、RTLC 算法、NDSMP 算法以 及 MPL 算法的平均定位误差分别降低了 24. 77%、22. 25%、3. 1%、6. 5%,有效地实现了水下未知节点的动态定位。     

伪随机码相关检测的MDS MAP定位算法

针对当前无线传感器网络超声波设备定位精度不高的问题,改进了伪随机码相关的MDS-MAP定位算法。首先利用伪随机码相关检测技术,对节点发射出的超声信号进行编码,有效地增加了节点的测距距离和测量精度。然后对于未能测量到距离的节点使用Euclidean和最短路径融合算法进行处理,然后使用MDS-MAP算法生成节点的相对坐标,最后利用平面转换模型获取节点的最终坐标位置。仿真实验结果表明改进算法在不同网络规模和测距误差条件下均能够获得更高的定位精度和较小的定位误差。     

基于改进APIT算法WSNs节点定位在配电网研究

针对无线传感器网络节点在定位配电网故障时定位精度低、能耗大等问题,对近似三角形内点测试(APIT)算法进行节点定位改进。首先对RSSI测距权重值进行改进,在保持较高的精确度条件下来确定测量次数,达到最优测距能力;然后,对传统APIT定位容易受节点密度影响,采用三角形外接球的方法确定未知节点坐标;最后,使用细菌觅食算法(BFO)改进APIT锚节点在分布较少的边界区域进行确定,将每一个计算出坐标的传感器标记为已知锚节点。由仿真结果可知,改进的APIT算法定位误差降低,减少数据迭代次数,提高了节点定位精度。改进APIT算法在定位准确度、定位面积和能耗损耗优化于其他算法。     

基于平滑滤波的多传感器异步融合方法研究

无人巴士在定位循迹过程中，采样信号受噪声方差、带宽和采样率的影响，易出现信号缺失或间断现象，加之相关滤波算法缺乏异步采样和平滑能力，导致定位失败。为了提高定位精度并补充缺失数据，本文基于异步扩展卡尔曼滤波和非因果滤波平滑，提出一种改进的传感器异步采样融合平滑算法。首先利用异步扩展卡尔曼滤波对连续时间随机微分方程进行指数离散化，以处理任意时刻的测量值，预测更新下一时刻状态值之后，引入非因果滤波平滑给定可用的初始方差信息，使噪声方差影响更小，估计性能更好。将本算法在无人巴士上进行物理实验验证，结果表明这种多传感器异步融合平滑算法在车辆行驶中效果良好，与异步卡尔曼滤波算法结果相比，可以达到优于05 m的定位精度，数据预测误差均有明显降低，提高了定位精度和补充缺失数据。     

采用RSSI模型的无线传感器网络协作定位算法

由于无线传感器网络定位成本较高,精度不能满足要求以及通信和计算开销过大等问题,提出一种针对定位各阶段实施误差抑制措施的接收信号强度指示(RSSI)测距的协作定位算法。测距阶段通过周期性测量获得模型动态参数,采用相对误差系数对RSSI测距进行校正,定位阶段则基于泰勒级数扩展线性最小二乘方法实现位置估计,采取残差加权法优化位置坐标,减小非视距(NLOS)的不利影响。引入协作定位,将符合要求的节点升级为参考节点参与定位计算,进一步提高定位覆盖率和精度。实验结果表明,所提算法精度接近基于真实坐标的泰勒级数扩展LS算法,相同条件下的精度远高于传统估计算法。节点最大定位误差为0.15,最小定位误差为0.08,网络节点平均定位误差为0.109,能够满足大规模无线传感器网络(WSN)的定位需求。     

UWB与IMU融合的室内动态定位算法

针对超宽带(UWB)定位易受多种噪声和非视距(NLOS)的影响产生定位误差的问题,提出了一种基于UWB与惯性测量单元(IMU)融合的室内动态定位算法。该算法首先采用扩展卡尔曼滤波算法对基于到达角度(AOA)定位方法的位置信息进行滤波,并与IMU数据进行时间同步,通过相邻时刻UWB位置信息变化速度与IMU所测量标签运动速度对比,实现对NLOS数据的识别及补偿,从而降低NLOS对定位精度的影响;然后基于改进粒子滤波算法对融合后的数据进行最优估计,以抑制噪声的干扰,最终实现对标签的准确定位。实验结果表明,所提算法采用基于AOA的定位方法可以在保证定位精度的前提下节约硬件成本;与单一使用UWB传感器的定位方案相比,所提算法可根据IMU提供的先验信息有效降低UWB的定位误差,在非视距环境下具备较高可靠性;与基于扩展卡尔曼滤波和无迹卡尔曼滤波的融合算法相比,定位精度分别提高了65.6%和56.0%;与标准粒子滤波算法相比,所提算法基于改进的粒子滤波算法运行时间缩短了42.3%。     

基于果蝇算法优化蒙特卡罗锚盒移动算法的无线传感器网络节点定位

为了提高无线传感器网络定位精度，应用果蝇算法(fruit fly optimization algorithm, FOA)-蒙特卡罗锚盒(Monte Carlo anchor box, MCB)算法对无线传感器网络(wireless sensor network, WSN)系统中移动节点进行定位建模，分析了移动速度、锚节点密度和样本数对定位精度的影响。研究结果表明：FOA优化MCB算法具有比MCB算法更优的定位精度，当节点移动速度变大后可以获得更小的定位误差，在10 m/s的速度下获得了最低误差值情况下锚节点数量和移动节点定位误差之间的变化曲线；当锚节点较少时，MCB与FOA优化MCB形成了较大的定位误差；随样本数增大，定位误差逐渐减小，在样本数达到150时获得一个稳定的定位误差。研究对无线传感器网络定位精度具有很好的应用价值，易于实现推广。     

基于稀疏滤波的无线传感器网络数据融合

在无线传感无器网络中,为了提高数据融合算法的性能,设计了一种基于深度学习的二值化层叠稀疏滤波模型(BSSFM),BSSFM将若干稀疏滤波器层叠并对权值参数进行二值化从而能快速有效的提取高维数据特征,之后将BSSFM和分簇协议相结合提出数据融合算法BSSFMDA,BSSFMDA首先在汇聚节点逐层训练BSSFM并对网络分簇,簇节点利用BSSFM进行数据特征提取,之后簇首将分类融合后的特征发送至汇聚节点。仿真实验表明,和SOFMDA等算法相比,BSSFMDA在模型训练时间、特征提取速度、正确率以及节点能耗等方面的表现均更加优异。     

电动汽车供电系统锂电池剩余寿命预测

电动汽车的锂电池受工况、环境等因素影响,具有很强的时变非线性,对其进行剩余寿命预测具有挑战性。针对现有算法未同时考虑不确定表达、预测精度以及不同电池的适应能力对剩余寿命的影响,提出了一种正则化粒子滤波和自回归滑动平均模型相融合的锂电池剩余寿命预测算法。以锂电池的经验退化模型作为融合算法的状态方程,自回归滑动平均模型的预测输出值替代观测值,构建状态空间模型,迭代更新电池容量,实现锂电池的剩余寿命预测。基于NASA锂电池数据集进行仿真验证,并与标准粒子滤波和正则化粒子滤波算法相比较,实验结果表明,在中期、后期预测过程中融合算法的预测误差在5%以下,该方法具有较好的锂电池剩余寿命预测精度。     

基于稳健加权总体最小二乘的变压器局部放电定位

到达时间差、声速与传感器位置坐标的测量误差将导致局部放电时差定位出现误差,通过研究发现变压器的内部结构及各部分的材质差异可能造成到达时间差以及声速的测量值可能远远偏离真实值,这种测量误差被称作粗差,但目前的局部放电定位算法未将数据测量误差纳入模型,使得现有定位算法在计及测量误差特别是粗差的情况下,定位误差较大难以满足工程要求。为此,分析了局部放电测量数据粗差的来源及现有定位算法的缺陷,提出了基于稳健加权总体最小二乘的局部放电定位算法,采用含误差变量模型推导迭代公式,运用权函数修改含粗差数据在迭代过程中的权重,能够有效抑制测量数据的随机误差、系统误差和粗差对定位结果的影响,能更为准确地定位局部放电,有助于制定针对性的检修策略,提高检修效率,缩短停电时间。     

基于 LoRa 的森林消防协同定位算法

为解决野外火场救援消防员定位安全问题,提出一种基于远距离无线电(LoRa) 技术的森林消防协同定位算法。针对 野外救援存在的非视距(NLOS) 问题,提出一种修正协方差矩阵的扩展卡尔曼滤波协同定位算法,利用LoRa协同网络内部移 动节点之间的测距信息辅助定位,建立系统方程并根据当前时刻的状态滤波值二次更新误差协方差修正偏离误差;其次提出 改进的动态中值滤波算法,采用动态窗口筛选处理定位扰动数据,二次优化定位轨迹曲线。仿真实验结果表明,所提算法极 大地协同了整个网络资源,在室外多NLOS, 通信质量差的环境下定位精度可达0.49 m, 为森林消防安全解救提供了一种可 靠的解决方案。     

基于移动信标的水下无线传感器网络定位算法

针对现有水下无线传感器网络定位算法定位精度不足且无法适应水下多变的网络拓扑的问题，提出一种基于移动信标的水下无线传感器网络定位算法。首先通过RSSI测距定位和DV-Hop算法获取未知节点的大致分布情况，其次以未知节点定位覆盖率作为目标函数，采用经过自适应惯性权重和柯西-t扰动策略优化的改进秃鹰搜索算法迭代求解信标节点移动的最优位置，最后信标节点移动到最优位置再对未知节点进行重新定位。仿真结果表明,与对比算法相比，移动信标节点定位算法能有效提高未知节点定位精度，在网络拓扑变化时也能保持较高的定位精度且定位效果稳定。     

电力网络系统中统计特征任务分层的大数据融合模型

对嵌入式电力网络系统中的大数据进行融合模型设计提高对频繁任务分层和数据挖掘能力。传统的嵌入式电力网络系统中的大数据融合处理采用非显著特征数据挖掘算法,在嵌入式电力网络系统中的大数据出现离群特征时,数据融合性能不好。提出一种改进的基于嵌入式电力网络系统中统计特征频繁任务分层的大数据融合模型。对嵌入式电力网络系统中数据融合对象数据集提取二维分层空间特征,采用本征匹配方法进行嵌入式电力网络操作系统数据融合总体模型设计,引入统计特征分层融合定位节点谱函数表示数据融合效率,计算样本的密度特征,并抽取高密度区域的点集作为聚类中心,得到嵌入式电力网络系统中闭频繁项域适应度函数,实现融合模型改进。仿真实验表明,采用该算法能有效提高对嵌入式电力网络系统中大数据的分层融合性能,融合密度和精度提高,算法在数据监测概率和任务运行速度上优越于传统算法。     

基于混沌纠错机制的WSN网络数据精确融合算法

为解决当前WSN网络数据精确融合算法存在的数据融合困难,融合精度差且网络数据融合稳定性时间较低等难题,提出了一种基于混沌纠错机制的WSN网络数据精确融合算法。采用误差累计阈值控制方式,在精确取得数据融合带宽及融合误差的同时,能够精准的对数据传输过程中的抖动性进行预测;随后, 采用追溯机制对数据融合过程中的融合带宽精度进行了实时追踪及更新,有效降低了数据融合过程中存在的实时融合困难等问题。仿真实验表明：与当前高维映射一体化融合算法（fusion algorithm of high dimensional mapping,FHDM）相比,本算法具有更低的数据融合误差,以及更高的网络数据稳定融合时间。