融合动态演变信息的声学三维温度场重建

在声学层析成像方法测量锅炉温度场的应用中,温度场重建算法的精度和速度起着重要作用。建立了三维温度场声学重建的动态模型,提出了同时考虑声学测量信息和温度场动态演变信息的动态重建算法。建立了一个融合声学测量信息、温度场的空间约束及动态演化信息的目标函数,在光滑约束法的基础上构建了反映相邻空间像素位置关系的正则矩阵,采用Tikhonov正则化和优化相结合的方法求解目标函数。仿真模拟研究表明,与最小二乘、代数重建法和标准Tikhonov正则化算法等静态重建算法相比,融合动态演变信息的温度场重建算法的重建速度相仿,而重建精度有显著提高并对于测量数据误差具有更好的数值稳定性,为声学温度场重建提供了一种可行性极高的有效方法。     

基于CCFHTLS算法的异步电动机转子故障检测

定子电流经低通滤波器处理后产生高斯有色噪声,限制了异步电机转子故障检测算法的辨识精度。针对该问题,提出一种抑制高斯有色噪声的异步电机故障检测技术。首先对采集到的定子电流进行预处理,利用逆同步旋转变换剔除基波,避免了直接检测时基波对故障辨识精度的影响。然后利用互相关函数(CCF)处理技术对高斯有色噪声的抑制作用,提出基于CCF-HTLS算法的电机转子故障诊断技术。针对异步电机转子断条和偏心故障的识别进行试验,结果表明CCF-HTLS算法可以有效抑制高斯有色噪声,并保留故障有用信息,显著地提高了故障检测的分辨率。     

基于三维变分的声学法三维温度场重建

在声学层析成像方法测量锅炉温度场的应用中,温度场重建算法的精度和速度起着重要作用。本文在分析基于像素分割的声学法温度场重建原理的基础上,将三维变分方法用于锅炉炉膛的三维温度场重建,将温度场重建的反问题求解归结为一个表征分析场与观测场和分析场与背景场偏差的二次泛函极小值问题。按照不同权重扩展目标函数,并采用共轭梯度法求解目标函数。分别对4种温度场模型实现了模拟重建,结果表明,基于三维变分的重建算法与最小二乘法和代数重建算法相比,重建精度高,并对测量噪声有很好的数值稳定性。     

基于多维高斯混合模型的电力系统不确定性建模方法EI北大核心CSCD

在基于多维高斯混合模型的电力系统多变量概率建模中,针对期望最大化算法参数估计精度较低的问题,该文引入非参数核密度估计和密度保留的分层期望最大化算法,提出一种基于高斯成分数约简的建模方法。以非参数核密度估计结果作为基高斯混合模型,采用密度保留的分层期望最大化算法约简高斯成分数,能够建立任意高斯成分数的高斯混合模型,克服了期望最大化算法在高斯成分数较多时参数估计精度低的问题。为降低大样本下的建模计算负担,提出按时间尺度分层的建模方法。为解决相互独立的多个随机变量出现高斯成分数组合爆炸的问题,提出“组合–约简”分层建模方法。采用具有复杂分布特性的实测多维风速数据和负荷数据对所提方法作了测试,结果表明,所提方法的精度显著优于基于期望最大化算法的高斯混合模型和Copula函数法。     

基于声学CT重建炉膛二维温度场的仿真研究

为了实现炉内温度场的实时在线监测，阐述了基于级数展开法的二维温度场的声学CT重建原理。提出了基于代数重建法(ART)的重建算法，利用少量声学数据，分别对炉膛火焰分布的几种典型模型，单峰模型、双峰模型以及四角切圆模型，进行了仿真重建。给出了重建温度场的三维显示图和等温线图，并与模型温度场做了比较，进行了误差分析，表明该算法基本可以提供炉膛截面任意点定量的温度信息。在模拟测量数据中加入一定的随机噪声，研究了测量数据误差对于重建精度的影响，验证了该算法的抗干扰能力。     

改进自适应 ADMCC-HCKF 算法及在 SINS / CNS / GNSS 中的应用

针对传统容积卡尔曼滤波器(CKF)在非高斯噪声下滤波精度下降以及传统最大相关熵(MCC)算法收敛速度较慢的问 题,提出了一种改进的自适应相关熵高阶容积卡尔曼滤波(ADMCC-HCKF)算法。 该方法依据 MCC 迭代过程的误差变化自适 应调整核宽大小,核宽能够改变核参数对输入数据的敏感性,从而提高算法收敛速度及对非高斯噪声的处理能力。 基于非高斯 噪声环境,搭建 SINS / CNS / GNSS 组合导航实验,研究结果表明,改进的 ADMCC-HCKF 算法相比传统 HCKF 和基于常规 MCC 的 HCKF 算法具有更强的鲁棒性,在降噪性能及对非高斯噪声的适应性角度均有所提升的同时,滤波精度较 HCKF 算法提高 了 9. 63%。     

基于遗传算法的炉膛温度场重建算法研究

在声学法锅炉温度场重建算法的原理基础上,提出一种遗传算重建温度场算法。在实验室条件下,对利用遗传算法温度场重建进行仿真研究,利用遗传算法对该网格进行插值、拟合,实现对待测温度场的重建,证实了遗传算法重建的优势。同时,应用遗传算法重建了声波在传输路径上具有弯曲效应的温度场。最后通过最大误差、最大相对误差、平均误差和均方根误差等评价指标得出遗传算法重建的温度场精度较高、重建速度较快的结论。与最小二乘法重建算法成像效果进行比较,仿真结果证明:利用遗传算法重建出的温度场具有更高的精度、更快的重建速度等特点。     

基于EGWOEO算法的三维无线传感网络覆盖优化

针对三维随机部署无线传感网络节点出现的覆盖率低和节点不均现象，以覆盖率为适应度函数，提出一种基于EGWOEO算法的三维无线传感网络覆盖优化算法。首先，采用Tent混沌映射初始化种群，以增加种群多样性；其次，利用反向学习策略，以增加全局搜索能力；之后，融入双曲正切高斯策略，加强算法寻优能力；然后，提出一种正余弦函数的非线性收敛因子，以平衡全局与局部搜索；最后，改进种群位置更新方程，加快算法的收敛速度与精度。将改进的EGWOEO算法应用于三维WSN覆盖优化中，仿真结果表明，与GWO、PSOGWO、LGWO算法相比，EGWOEO算法的三维WSN覆盖率平均增量分别为11.023%、10.662%和12.401%,改善了节点分布不均现象，提高了节点利用率。     

基于改进萤火虫算法优化SVM的变电工程造价预测

变电工程造价水平直接关系到电网工程的整体经济性,造价水平预测是控制造价、提高造价合理性的重要手段。在传统萤火虫算法的基础上,采用高斯扰动技术改进萤火种算法的位置更新公式,提高萤火从算法的寻优性能从而优化SVM预测模型的参数。通过Schaffer函数测试发现,高斯扰动萤火虫算法具有收敛速度快、搜索能力强等优点。实测结果表明：该模型具有较高的预测精度和有效性。     

基于GPIO的永磁同步电机模型预测转矩控制

在永磁同步电机模型预测转矩控制(model predictive torque control,MPTC)中,由于目标函数控制变量的量纲不同,为了在代价函数中选取最优的权重系数,提出一种改进高斯变异鸽群算法(Gaussian mutation pigeon-inspired optimization algorithm, GPIO)实现权重系数自整定。首先,基于代价函数最小化原则设计PIO的目标函数,用电流id、iq脉动误差均方根评价权重系数。其次,在传统高斯变异算子的基础上引入自适应调整动态参数实现变异。仿真和实验结果表明,将改进后的算法应用于永磁同步电机模型预测转矩系统,能在较少的迭代次数内整定出最优的权重系数,极大地降低了转矩误差和电流谐波畸变率。     

改进的最大似然期望最大化超声CT重建方法

针对超声CT重建问题,提出了一种基于高斯分布的最大似然期望最大化方法,并采用非最小最优化的方法来设置迭代的初始值。由于高斯分布更加符合测得时间信息的分布规律,所以基于高斯分布的新算法比传统基于泊松分布的最大似然期望最大化算法更加精确。所采用的非最小最优化方法能够减少迭代次数,有利于提高重建质量和计算效率。为了检验新算法,对三维温度场进行了仿真重建实验,结果表明,改进后的最大似然期望最大化算法具有更小的平均误差,能够得到更精确的重建图像。     

基于敏感场变换的电容层析成像图像重建算法研究

快速而又具有一定精度的图像重建算法是电容层析成像(ECT)技术的关键。本文采用有限元方法,通过对敏感场机理的分析,提出一种基于敏感场变换的ECT图像重建新算法,通过对敏感场进行变换来提高电容传感器在管道中心区域的灵敏程度,从而提高管道中心区域的图像重建精度。该算法应用敏感场信息的部分数据和全部数据分别进行一次图像重建,将2次重建得到的图像进行组合得到最终重建图像。仿真和实验表明该算法能够快速而又较高精度的重建出两相流断层图像,尤其是在管道中心区域,图像重建精度有了较大提高。     

炉膛火焰温度场重建非线性优化算法研究

随着数字图像处理技术的发展，使得利用面阵CCD进行电厂锅炉炉膛温度测量成为可能，该文分析了基于火焰辐射图像的炉膛温度场的测量原理，建立了针对测试系统和测量对象的非线性优化数学模型，提出了一种非线性寻优算法，最后在某电厂锅炉进行了验证性试验，并给出了实验结果，结果表明，这种测试方法方便可行，具有一定的应用前景。     

基于确定性测量矩阵与变阈值SAMP的超高次谐波检测算法

随着电网中采用高频电力电子器件制造的设备逐渐增多,配电网中的超高次谐波现象已经成为了一种亟需解决的新型电能质量问题。相较于传统谐波检测方法采样超高次谐波信号时产生的巨大数据量,压缩感知作为一种新型信号处理方法,在使用测量矩阵对稀疏信号进行亚采样后通过重构算法用较少的数据就能精确地恢复原始信号,有效降低了对采样端硬件的要求。提出了一种基于确定性测量矩阵与变阈值SAMP算法的压缩感知超高次谐波检测算法。首先该方法采用了一种由确定性随机序列构造的测量矩阵,这种确定性测量矩阵的结构与随机测量矩阵相比更易于传输与存储,同时具有和高斯随机矩阵相同的重构性能。其次,针对SAMP重构算法在频谱泄露时易发生稀疏度过估计的问题,提出了一种改进的变阈值SAMP算法,设置一个动态的阈值来控制算法中内积的选取,减少迭代中的误选。改进算法提高了超高次谐波检测的精度,降低了因频谱泄露和噪声造成的误差且更容易硬件实现。最后,通过仿真和实测结果证明了改进算法的准确性和有效性。     

随机森林算法在温度分布重建中的应用

为提高温度分布重建精度,提出了使用随机森林算法对温度测点进行优化布置的新方法。 将测点位置作为样本特征, 以不同的测点布置方式及其对应的重建误差作为样本数据集。 使用样本数据集构建随机森林模型,评估样本特征重要性,根据 特征重要性排序实现温度测点的优化布置。 设定仿真实验与燃烧实验验证优化布置算法的可行性与有效性。 分析实验数据, 所提出的优化布置算法相对于原有算法,重建精度提升了 20%以上。 研究结果表明,随机森林算法在温度分布重建中具有良好 的应用价值,并为解决工业实际问题提供了新思路。     

应用插值滤波反投影快速重建300MW电站锅炉准三维温度场

基于辐射传递模型和投影重建技术的图像法温度场测量为研究电站锅炉燃烧工况的变化，进行燃烧诊断提供了新的手段。针对现有温度场重建算法无法满足实时在线监测的要求，提出了基于二元矩形插值公式的滤波反投影重建算法，通过对火焰图像中获取的投影数据进行插值后滤波反投影得到三维辐射强度分布切片，校正后的比色法测温公式被用来计算断面内各点的温度值，最后通过OpenGL技术将各断面的温度显示在三维坐标中。该算法降低了温度场重建的时间复杂度，从现场300WM电站锅炉的实际测试，达到了现场在线监测的要求。     

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。