基于卡尔曼滤波和相关系数的异常检测方法

由于安全问题是无线传感器网络应用面临的重要挑战之一,提出了一种基于卡尔曼滤波和相关系数相结合的异常入侵检测方法,该方法首先对正常情况下无线传感器网络节点的流量应用卡尔曼滤波进行预测,然后根据传感器节点的流量预测序列和实际流量序列的相关系数变化来进行异常检测.该算法具有能量有效、轻量级、可用性的特点.实验结果表明了该方法的有效性.     

基于趋势相似性特征的异常工况监测方法研究

当前火力发电生产过程中,多元变量检测方法难以实现多元非平稳过程变量异常工况监测。对此,首先计算多元变量之间在固定时间窗口宽度内数据之间的趋势相似性,采用所得到的趋势相似性作为监控特征。其次,采用主元分析方法对所得到相似性特征序列进行降维,对降维后所得到的主元空间趋势相似性特征序列进行监控。最后,以T2统计量作为监测指标,依据T2统计量与其控制阈值T2α的大小关系产生告警信号,从而达到有效监控多元非平稳过程变量的目的。通过在华北电网某300 MW火电机组的应用,验证了所提出方法的有效性与可靠性。该方法较好地解决了多元非平稳过程的检测问题,对于相关研究与应用具有借鉴意义。     

飞行器健康状态的灰色预测方法

针对飞行器健康状况难以准确预测的问题,提出了一种基于小波包变换与自适应多变量灰色预测模型对飞行器健康状况进行预测的新方法。采用先进的声发射技术监测飞行器关键部件的健康状态,运用小波包对由声发射监测系统募集到的飞行器关键部件原始声发射信号进行三级小波包分解,分别提取其第三级小波包分解中八个频段分解系数的能量最大值、方差最大值和范数最大值作为特征向量,并以此构建三变量MVGFM（1,n,β）模型。运用该模型对飞行器关键部件的健康状态进行预测研究,并通过该模型预测值与特征真实值之间的相对偏差来修正模型中参数β,以提高模型的下一步预测精度。实验结果表明,提出的自适应MVGFM方法可以动态实现对飞行器关键部件裂纹故障的准确预测,其预测准确度明显高于GM（1,1）模型,从而证实了该方法的有效性。     

复合绝缘子积污特性及其灰色预测方法研究

复合绝缘子由于具有优异的憎水恢复和迁移性能,在防污闪方面发挥了巨大的作用,但在污秽、紫外辐射、放电、温湿度等现场复杂因素的长期作用下,复合绝缘子硅橡胶绝缘材料逐渐老化,而老化后的复合绝缘子积污性能却有待验证。因此,展开了老化复合绝缘子积污特性与预测研究。首先,以新型与老化、大伞与小伞型组合的4类绝缘子为样品,开展了10期自然积污试验。通过试验结果,分析了每一类复合绝缘子的积污特性,研究发现：运行了10年的老化复合绝缘子表面盐密大于新复合绝缘子,以大伞型复合绝缘子的第10期盐密为例,老化复合绝缘子表面污秽度比新复合绝缘子表面污秽度增加了0.022 9 mg/cm²,增加率为39.41%。此外,大伞型复合绝缘子表面污秽度大于小伞型复合绝缘子。最后根据灰色理论的原理,建立老化复合绝缘子积污预测模型,模型预测结果与试验结果吻合度较高。     

灰色模型客流预测

灰色预测模型是数据分析的重要模型,已经应用到了众多领域。天津滨海快速交通发展有限公司经过多年的运营积累了大量的客流数据。该文运用灰色预测模型对滨海快速塘沽站的客流进行了分析,为运营决策提供了一定的依据。     

相空间重构的卡尔曼滤波交通流预测研究

为了提高城市交通流的预测精度,克服单一预测模型不能很好反映交通流本质特征的缺点,在交通流混沌特性的基础上,提出将卡尔曼滤波理论与相空间重构原理相耦合的方法,建立基于相空间重构的卡尔曼滤波交通流预测模型。此模型以相空间重构的相点作为状态向量构成相点的状态空间描述,运用卡尔曼滤波理论实时预测并校正相点的未来演化规律,并根据焦作市某路段的交通流数据进行实例仿真。通过相关性能指标对比分析,结果表明,基于相空间重构的卡尔曼滤波预测模型各项指标明显优于未改进的单一模型,使预测精度提高了16.75%。     

灰色预测模型在预测话音网关故障中的研究与应用

话音网关主要完成IP通信系统与系统外部模拟线路的互联,是指挥所用于对上对下通信联络的重要设备,对部队指挥顺畅至关重要。当前排除故障的主要手段是待设备发出警报并停止工作之后才知晓并处理。针对此情况提出一种设备故障前置预测法,即对设备主要部件输出信号实际进行监控并与设备理论输出值进行比较,进一步研究发现由于理论输出值一般是一个范围,会影响判定精度,因此改为利用灰色预测模型的预测值与实际信号进行比较,如两个信号的差值较大则认为部件有隐患。从实际仿真来看,使用灰色预测模型的方法要好于第一种方法。     

城市污水处理过程异常工况识别和抑制研究

城市污水处理过程（Municipal wastewater treatment processes,WWTPs）由于进水流量、进水成分、污染物种类、有机物浓度等被动接受,系统始终运行在非平稳状态,导致污泥膨胀等异常工况频发.异常工况一旦发生,会降低污水处理效率,引起出水水质超标等问题,严重时造成污水处理过程崩溃,引发事故.因此,如何降低异常工况发生率、保证城市污水处理过程安全平稳运行,是城市污水处理过程亟待解决的难题.围绕城市污水处理过程异常工况的识别和抑制方法,文中梳理了其研究进展.首先,介绍了城市污水处理运行的背景与异常工况的特点;其次,概述了一些主流的污水处理异常工况识别和抑制方法;最后,进行了分析与总结,指出了城市污水处理过程异常工况识别和抑制方法未来的研究方向.     

基于灰色预测模型的航线客流量预测

准确的预测航线的客流量,对于航空企业制定航线销售政策有着重要的作用.针对民航客流量预测具有诸多不确定性和数据不足的特点,在选取某航空公司近六年三亚-北京往返航线数据的基础上,提出以回归分析、灰色预测方法对该航线2016年的客流量进行分析预测.经实证分析,结果表明:灰色预测方法对航线客流量的预测的精确度较高,对航空公司预估客流量和制订销售政策有直接的指导意义.     

DTN网络中一种基于灰色预测和状态估计的位置预测方法

典型的延迟容忍网络（DTN）中,由于中继节点间的链路延时和间歇性中断,用于预测运动节点位置的观测数据在传输中常常滞后、丢失。为了在这样的环境下对这些节点的位置进行及时、准确的预测,该文首先建立了基于方位角的节点运动状态方程,然后利用灰色预测理论对方位角进行预测,再基于该预测值利用扩展卡尔曼滤波算法对目标节点的坐标值进行递推估计。仿真分析表明,采用这样的位置预测算法,可以克服DTN网络中观测数据经常缺失的缺点,可实现对DTN网络节点的位置进行在线预测,相较于对坐标值进行直接预测,其准确性有进一步提高。     

Kalman filter based fault diagnosis of networked cont rol system with white noise

The networked control system NCS is regarded as a sampled control system with output time- variant delay. White noise is considered in the model construction of NCS. By using the Kalman filter theory to compute the filter parameters ,a Kalman filter is constructed for this NCS. By comparing the output of the filter and the practical system ,a residual is generated to diagnose the sensor faults and the actuator faults. Finally ,an example is given to show the feasibility of the approach.     

Kalman filter based fault diagnosis of networked control system with white noise

The networked control system NCS is regarded as a sampled control system with output time-variant delay. White noise is considered in the model construction of NCS. By using the Kalman filter theory to compute the filter parameters, a Kalman filter is constructed for this NCS.By comparing the output of the filter and the practical system,a residual is generated to diagnose the sensor faults and the actuator faults. Finally, an example is given to show the feasibility of the approach.     

多传感器系统中基于扩展卡尔曼滤波器的在线故障检测

随着多传感器系统的广泛应用,在线故障对于系统性能影响严重,如何使得多传感器系统具有自主故障检测与诊断能力成为首要问题。根据非线性多传感器系统的输入信号、输出信号和故障阵列,建立一种具有多输入多输出处理和自调节加强功能的扩展卡尔曼滤波器（ EKF）的故障分析模型,在此基础上,提出了一种适用于多传感器系统的在线故障检测算法及其在传感器节点上的实施架构。实验结果表明：所提算法在低并发故障和高并发故障环境下均具有高准确度故障报告能力。此外,在温度传感器上实施所提算法,温度监测值的对比结果验证了所提算法比传统算法具有更好的系统性能保证能力。     

适用于密集人群的异常事件实时检测方法

在密集人群场景下,针对现有异常检测算法在实时性和适用性方面的不足,提出了一种基于光流特征和卡尔曼滤波的实时检测方法。该方法首先提取图像的全局光流强度作为运动特征;然后对全局光流值进行卡尔曼滤波,并对残差进行分析;假设残差在正常状态下服从高斯分布,利用假设检验加以验证;运用最大似然(ML)估计得到残差的概率分布;在一定置信度下,确定正常状态的可信区间和异常状态的判定公式,并以此判断异常事件是否发生。实验结果表明,该方法对尺寸为320×240的视频,平均检测时间低至0.023 s/frame,且准确率可达95%以上。因而,该方法在保证较高检测率的同时,还具有良好的实时性。     

LPV模型的Kalman滤波器设计

针对线性变参数（LPV）模型,给出了一种改进Kalman滤波器设计方法,这种滤波方法可以根据系统LPV模型实时调整滤波状态方程矩阵系数,从而增强滤波算法对系统模型变化的跟踪性能,并提高滤波准确性。结合具体实例,通过仿真比较,较好地检验了该方法的有效性。     

集员卡尔曼滤波器在电机故障诊断中的应用

本文针对伺服电机提出了一种基于集员卡尔曼滤波器的故障诊断方法并进行了实际应用. 首先, 基于运动学关系和数据驱动技术构建了伺服电机的综合系统动态. 之后, 针对电机的位置–速度模型设计了一个中心对称多面体卡尔曼滤波器来检测位置传感器和速度传感器是否发生故障. 同时, 针对电机的力矩–速度模型设计了一个中心对称多面体卡尔曼滤波器来检测力矩执行器故障和速度传感器故障. 然后, 基于上述的两个中心对称多面体卡尔曼滤波器提出了一种故障隔离律, 可以定位出伺服电机故障部件的位置. 最后, 通过一个实际的伺服电机实验平台对所提出方法进行了应用, 并验证了其可行性与有效性     

基于反向预测卡尔曼滤波自适应算法研究

标准卡尔曼滤波算法对系统的数学模型和噪声统计特性进行了假设,当该假设与实际的模型不匹配时容易造成滤波误差较大甚至滤波发散。提出基于反向预测卡尔曼滤波自适应算法,通过比较原始预测状态归一化新息平方和反向预测状态归一化新息平方,当比值大于设定阈值时在线进行过程噪声调整,从而修正预测状态。雷达目标跟踪仿真研究结果表明,该算法对目标机动和过程噪声增大有较强的自适应性,能够提高滤波精度和鲁棒性。     

一种基于LS-SVM 的联邦滤波故障检测方法

针对Х^2检验法在组合导航系统联邦滤波故障检测中的不足,提出一种基于最小二乘支持向量机（LS—SVM）的故障检测方法,即在LS-SVM对子滤波器新息进行预测的基础上构造故障检测量．以捷联惯导,卫星,天文组合导航系统为应用平台,采用无重置的联邦滤波对子系统突变和渐变两种故障的检测进行了仿真分析．仿真结果表明,所提出的LS-SVM检测法比残差Х^2检验法具有更好的故障检测能力,由此验证了方法的有效性．     

基于降阶卡尔曼滤波器的水下机器人滑模容错控制

针对水下机器人执行器时变、非线性故障,提出一种基于降阶卡尔曼滤波器的故障估计和滑模容错控制方法.用降阶卡尔曼滤波器估计水下机器人故障解耦子系统的状态,受故障的影响,子系统状态可测.由估计的状态和测量的状态可进一步得到水下机器人执行器的故障信息.滑模容错控制器根据所估计的执行器故障调整控制器的输出以实现容错控制.仿真结果验证了所提出的故障辨识与容错控制算法的有效性.     

导弹跟踪中的卡尔曼与不敏卡尔曼滤波

卡尔曼滤波是在线性高斯情况下利用最小均方误差准则获得目标的动态估计,但在实际系统中,许多情况下观测数据与目标动态参数间的关系是非线性的。对于非线性滤波问题,至今尚未得到完善的解法。本文采用了两种方法来进行滤波:一种是将观测变量进行坐标系变化,使量测方程线性化,然后直接进行线性卡尔曼滤波;另一种方法是直接采用非线性滤波方法的不敏卡尔曼滤波。对仿真导弹轨迹的仿真结果显示,第一种方法在本系统中优于第二种方法。