基于优化 ELM 的光纤连接器表面自识别降噪技术

光纤连接器的表面检测属于精密仪器检测,因此工厂环境中的大量灰尘会影响连接器表面的复原效果。然而现有的检测技术运行时间长,对于图像细节的保留能力差,并且难以克服实际工作环境中的干扰。因此提出一种优化超限学习机的自识别降噪技术。首先对于干涉数据进行降维处理;其次,采用AdaBoost算法优化超限学习机对噪声点进行定位;最后通过滤波算法对噪声点位置进行修复。实验得出,基于AdaBoost-Elm的自识别降噪算法具有较高的噪声识别能力,其平均噪声识别率达97.33%。此外,采用基于AdaBoost-Elm降噪算法得到BBS的平均值为131.14,NRIQAVR的平均值为2.61,降噪效果均优于全局滤波算法。最后,通过模拟工厂环境,采用基于AdaBoost-Elm的中值滤波算法在不同光强条件下对重度污染的光纤探头进行3D复原测试,其BBS达到130左右,NRIQAVR低于2.57,对比基于Elm的中值滤波算法具有明显优势。     

基于改进经验小波变换的局部放电荧光信号去噪

由于现场环境的复杂性,局部放电(partial discharge,PD)检测伴随着大量噪声干扰,易出现PD漏报与误报现象,影响电力设备后续运维工作。文中采用荧光光纤PD检测法,提出了基于谱峭度和改进经验小波变换(empirical wavelet transform,EWT)的自适应PD荧光信号去噪算法。首先利用快速谱峭度图确定荧光信号傅里叶频谱的紧支撑区域边界,随后对含噪荧光信号进行EWT分解并获得荧光信号所在的有用信号分量,最后对有用信号分量采用小波阈值法去除残留噪声,得到去噪后的PD荧光信号。利用该方法对仿真荧光信号进行去噪分析,并将去噪结果与经验模态分解-小波变换(empirical mode decomposition-wavelet transform,EMD-WT)法和EWT法进行对比,结果表明,该方法在信噪比、均方根误差和归一化相关系数等指标方面都有所提升,证明了该方法具有良好的去噪效果。此外,实测信号的去噪结果表明,该方法的降噪率优于EMD-WT法和EWT法,具有较好的噪声抑制能力。     

基于改进Noise2Noise算法的电力线信号去噪

针对电力线信道噪声干扰大、噪声建模复杂、重建无噪信号样本困难等问题,提出了一种面向一维时间序列的Noise2Noise神经网络优化模型,并验证分析Noise2Noise算法抑制电力线噪声的可行性。首先,分析了Noise2Noise算法的原理,对该算法原理进行了理论推导。其次,通过选取合适的网络结构,改进网络输入输出,使神经网络适合处理实验数据,并采用正弦波数据进行网络测试与模型验证。然后,通过搭建正交频分复用(orthogonal frequency division multi-plexing, OFDM)调制模型,产生OFDM符号,并添加特定噪声,形成带噪样本。最后,基于改进的网络结构实现了对电力线接收信号的OFDM前导序列进行带噪样本测试,增强了Noise2Noise方法的可行性与有效性,具有较好的实用性。     

一种基于类比的去噪算法研究

类比值进行去噪是基于灰色系统理论的方法。根据图像中噪声像素的强度值与周围的非噪声像素比较起来有非常大的变化,而非噪声像素的强度值与周围像素值几乎近似的特点,依照类比的定义,根据噪声点对应的类比值较大,而非噪声点对应的类比值较小的特点,利用阈值方法可以准确的识别出图像的噪声点。     

基于均值滤波的电能质量检测去噪方法

在电能质量检测领域,测量信号通常叠加着随机噪声,因此去噪是信号检测的重要前提。作为常见的去噪方法,均值滤波和中值滤波有很多缺点。均值滤波因其能去除大量的高斯噪声且易于实现而成为一种常用的线性滤波,但均值滤波对于奇异点却很敏感。对此给出了一种改进的均值滤波方法,此方法不单能去除高斯噪声,而且能很好地保留突变点信息。     

基于改进GA-BP神经网络的压力传感器校准方法

针对压力传感器在实际使用过程中由于温度漂移现象导致输出精度不高的问题,提出了基于改进遗传算法(genetic algorithm, GA)优化反向传播(back propagation, BP)神经网络的校准方法。该方法主要改进了遗传算法的初始化种群和遗传算子,并引入了t分布扰动。将压力传感器模组的输出电压和温度电压作为输入,通过遗传算法计算出一组最优的初始权值和阈值并建立BP神经网络模型,最后将训练好的神经网络模型移植到传感器模组的调理芯片并进行实验验证。结果表明,该方法有效地降低了温度对压力传感器输出的影响,经过算法校准后压力传感器的全量程相对误差为0.01%FS,零点漂移为8.444×10^-6,灵敏度漂移为2.055×10^-6,校准效果优于其他算法。     

有利图像压缩的小波去噪算法

提出了一种有利于图像压缩的小波图像去噪方法及一种小波系数校验方法.首先利用多个阈值在小波域进行硬阈值迭代去噪,然后利用小波子带的方向性对小波系数进行校验,并将保留的非零小波系数乘以一个比例系数,最后利用小波逆变换获得去噪图像.实验结果表明该方法的去噪效果优于常用方法,接近甚至超过BayesShrink方法.该方法可在有效去除图像噪声与保留较少的非零小波系数之间得到较好的折衷.     

基于小波阈值去噪的改进方法

语音信号是非平稳信号,利用小波的时频域局部化特性,通过小波变换对语音信号进行去噪处理,在经典的硬、软域值去噪方法的基础上,提出一种新的算法,并比较这3种算法的优劣。最后进行仿真实验,用MATLAB软件提取一段纯净的语音信号,并叠加高斯白噪声,对带噪信号分别用以上3种算法进行去噪处理,实验证实了该算法较其他算法更加有效。     

基于改进阈值去噪的谐波检测

为保证电力系统的安全运行,必须要对谐波进行准确的检测和分析。电力系统中的信号不仅由基波和各次谐波组成,还包含大量的噪声,噪声的存在严重影响电力系统谐波检测的精确性。针对传统的软阈值和硬阈值去噪方法的不足,提出了一种基于sym8小波的改进阈值去噪方法。首先用sym8小波对信号5层分解,然后对第一层、第二层小波系数去噪优化,最后基于优化后的各层系数对信号进行重构和谐波检测。在Matlab平台下对比软、硬阈值和改进阈值的去噪效果,表明改进阈值去噪方法效果更好,并用该方法去噪后检测谐波的准确性明显提高。     

基于改进EEMD与GA-BP的谐振接地故障选线方法

针对谐振接地系统发生接地故障,存在暂态信号特征辨识度低,且单一特征作为选线判据易受故障条件影响等问题,提出一种基于改进EEMD与GA-BP神经网络的故障选线方法。首先使用边界局部特征尺度延拓法加集合经验模态分解和多尺度排列熵算法的混合算法（MEEMD）分解暂态电流信号,各项分解指标说明MEEMD能准确区分高频特征分量和基频分量并有效改进端点效应和抑制模态混淆。然后提取重构的高频分量能量、方向以及裕度因子等特征并将其用来训练、测试GA-BP神经网络。结果表明所提出的选线方法有较高的准确率且不受线路类型、接地电阻影响,有较强的鲁棒性和容错性。     

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.     

基于改进型小波神经网络的谐波检测方法

随着大功率器件使用,造成电网中有大量谐波,威胁设备的安全。提出运用小波神经网络(Wave Neural Network,WNN)算法来检测谐波。首先,针对神经网络初始值设置不当导致的网络收敛慢甚至不收敛的问题,提出了网络初始参数自相关修正的优化方法,提高了网络的性能。其次,运用附加动量项的训练算法平滑了权值学习路径,有效避免了网络训练陷入局部最小,提高了谐波检测精度。最后,经过与其它检测方法的仿真对比,证明了所述方法具有收敛速度快,检测精度高的优点。     

FPGA‐based embedded platform for fiber optic gyroscope signal denoising

This paper presents System on Chip (SoC) implementation of a proposed denoising algorithm for fiber optic gyroscope (FOG) signal. The SoC is developed using an Auxillary Processing Unit of the proposed algorithm and implemented in the Xilinx Virtex‐5‐FXT‐1136 field programmable gate array. SoC implementation of this application is first of its kind. The proposed algorithm namely adaptive moving average‐based dual‐mode Kalman filter (AMADMKF) is a hybrid of adaptive moving average and Kalman filter (KF) technique. The performance of the proposed AMADMKF algorithm is compared with the discrete wavelet transform and KF of different gains. Allan variance analysis, standard deviation and signal to noise ratio (SNR) are used to measure the efficiency of the algorithm. The experimental result shows that AMADMKF algorithm reduces the standard deviation or drift of the signal by an order of 100 and improves the SNR approximately by 80 dB. The Allan variance analysis result shows that this algorithm also reduces different types of random errors of the signal significantly. The proposed algorithm is found to be the best suited algorithm for denoising the FOG signal in both the static and dynamic environments. Copyright © 2013 John Wiley & Sons, Ltd.     

光缆产品在智能变电站的应用研究

文章对光缆相关产品做了介绍,对光缆用于智能变电站时光纤接口的选择提供了参考依据,结合实际工程案例对智能变电站各设备间的光缆连接方式提出了可行的方案,按照国家相关标准,对于变电站内光缆的敷设方式做了论述。     

基于均值滤波和小波分析的图像去噪

由于均值滤波在抑制噪声的过程中会损失图像的边缘等细节信息,从而导致整幅图像的模糊不清,而小波分析在图像处理中具有较强的图像增强能力,故而采用两种滤波方法的结合来处理含噪图像。通过实验证明,该法在处理含噪图像时,不仅很好地降低了噪声,而且还较好地保留了原图像的边缘等细节信息,使得图像的对比度增强,增进了图像的视觉效果。两者的有机结合使得图像的去噪效果比单独使用其中一种更优。     

基于遗传算法-BP神经网络优化的PID控制

利用遗传算法全局随机搜索能力,设计一种基于遗传算法的神经网络学习算法。对于非线性复杂系统,常规PID控制器不能获得理想的控制效果,针对复杂非线性对象的神经网络PID控制不失为一种有效的控制策略。该文提出了基于遗传算法优化参数的神经网络PID控制器,实现了基于实数编码的GA参数优化。仿真结果证明了该算法的有效性。     

准抗毁化电源蓄电池SOC预测的GA-BP网络方法

针对蓄电池荷电状态的预测问题,从蓄电池荷电状态与其可直接测量的外特性参数之间不确定的非线性关系出发,依据BP网络映射功能使其可以以任意精确度逼近非线性函数、遗传算法的良好全局搜索寻找最优能力使其解决BP网络盲目选择初始权值、阈值的问题,并利用数值最优化LM算法训练BP网络使其解决BP网络收敛速度慢和容易陷入局部最小值的问题,提出了一种蓄电池荷电状态预测的遗传算法和BP网络相结合方法.设计了准抗毁化电源蓄电池荷电状态的BP网络和GA-BP网络预测模型.仿真结果表明,预测模型经过训练后,可以通过蓄电池的实时外特性参数预测蓄电池的实时荷电状态;GA-BP网络的收敛速度和预测精确度均优于BP网络.验证了GA-BP网络预测方法的有效性.     

基于GA-BP和POS-BP神经网络的光伏电站出力短期预测

当前在光伏电站出力短期预测方面较多的采用BP或者优化的BP神经网络算法,存在采用的优化算法单一、缺乏多种优化算法比较选优、预测误差大的问题。基于本地5 k W小型分布式光伏电站,综合考虑影响光伏出力的太阳光辐射强度、环境温度、风速气象相关因素和光伏电站历史发电数据,分别采用BP以及遗传算法和粒子群算法优化的BP神经网络算法—GA-BP和POS-BP构建了晴天、多云、阴雨三种天气条件下光伏出力短期预测模型。实测结果表明,三种神经网络算法预测模型在三种不同天气条件下均达到了一定的预测精度。其中GA-BP、POS-BP相比传统的BP预测模型降低了预测误差,且POS算法相比GA算法对于BP神经网络预测模型的优化效果更好,进一步降低了预测误差,适用性更强。