一种基于PHR补偿的SRS信道估计算法

为了解决基站在接收上行探测参考信号时存在的上行路径的损失,提升无线系统的性能,提出一种精确的信道估计算法,即基于发射功率余量反馈(Power Headroom Report,PHR)机制的上行探测参考信号(Sounding Refer-ence Signal,SRS)路径损耗的估计算法.通过对发射功率余量的测量,精确计...     

融合量测重构的RGAN-UKF智能电网状态估计模型

针对电力系统量测数据不完整导致状态估计失效进而危害智能电网安全经济运行的问题,本文提出一种融合量测重构的残差生成对抗网络-无迹卡尔曼滤波状态估计方法,以进行电力系统状态估计。首先,分析模型重构量测的基本工作原理,以重构不完整量测数据;然后,结合Holt’s双参数平滑法与无迹卡尔曼滤波方法,构造了融合重构量测的动态估计方法;最后,在IEEE 30节点系统进行仿真,验证了所提方法的可行性和有效性。     

基于改进深度强化学习的三维环境路径规划

提出一种改进深度强化学习算法(NDQN),解决传统Q-learning算法处理复杂地形中移动机器人路径规划时面临的维数灾难.提出一种将深度学习融于Q-learning框架中,以网络输出代替Q值表的深度强化学习方法.针对深度Q网络存在严重的过估计问题,利用更正函数对深度Q网络中的评价函数进行改进.将改进深度强化学习算法与...     

基于贝叶斯理论的双列圆锥滚子轴承可靠性分析

为了研究高速火车轴承的可靠性,结合该轴承实际工作状况,采用定时截尾的方法进行仿真试验,试验获得数据为无失效试验数据。针对试验得出的无失效数据,通过改变贝叶斯估计的先验分布区间大小,进行传统贝叶斯可靠性估计。以实际工作过程中的可靠度为约束条件,确定先验分布的区间范围。得出的结论与理论值进行对比,效果较好。研究成果,可为火车轴承的可靠性预测提供理论参考。     

基于极端梯度提升和时间卷积网络的短期电力负荷预测

电力负荷预测是实现电力系统智能化的基础。准确的负荷预测可以保证电力系统安全稳定地运行。针对短期负荷波动大,随机性强的特点,提出一种基于极端梯度提升和时间卷积网络的短期电力负荷预测方法。首先,利用变分模态分解(variational mode decomposition, VMD)对负荷序列进行平稳化预处理,将原始负荷拆分成若干个模态分量负荷。同时,为了减少预测模型训练所需的时间,利用样本熵来评估各分量的复杂度,将复杂性相近的负荷分量归为一类用于训练同一模型。最后,结合极端梯度提升和时间卷积网络的优点,利用极端梯度提升模型来预测趋势负荷,时间卷积网络模型来预测随机扰动负荷,并在模型训练过程中,利用树状Parzen估计来调节模型的超参数,得到最优的预测模型。为验证本文所提方法的有效性,在EUNITE竞赛数据集上进行了仿真实验,分别预测未来24 h的短期负荷和每日峰值负荷。实验结果表明,相比于支持向量回归(support vector regression,SVR),长短时记忆(longshort-term memory, LSTM),门控循环单元(gated recurrent unit,...     

基于特高频定向天线阵列的变电站局部放电定位MUSIC算法

多重信号分类(multiple signal classification, MUSIC)算法采用全向天线作为阵列阵元,为提升算法的抗干扰能力和定位精度,针对变电站局部放电检测采用定向天线阵列进行定位的具体应用,将天线方向图增益作为阵列流形系数,提出并推导了用于定向天线阵列定位的MUSIC算法,在运用克拉美罗界和二阶统计信噪比估计理论分析算法定位误差基础上,通过搭建仿真模型进一步验证算法的性能。仿真结果表明,对于常规选定频带的局部放电信号,基于定向天线的MUSIC算法可在天线方向图增益大于1的来波方向范围内提升定位精度,且定位精度与天线增益大小成正相关。采用所设计的方向图增益达6 dB的定向天线阵列,在信噪比为0 dB的条件下信源定位误差为0.806°,而经典MUSIC算法的定位误差达到17.403°。     

基于双弧阵的反卷积波束形成

如何快速、准确地判断出水下目标的位置,是水下目标定位一直追求的结果.目前的被动声定位主要使用波束形成,但是实验中使用的波束形成存在稳健性足够但是角度分辨力不足的问题.为了权衡稳健性与高分辨之间的性能,提出一种基于双弧阵的反卷积波束形成方法.将双弧阵经过虚拟阵列变换预处理再进行反卷积波束形成,从而将仅适用于移不变阵型反卷...     

基于LSTM的气味源距离估计

为提升基于金属氧化物半导体(Metal Oxide Semiconductor, MOS)传感器阵列估计气味源距离的精度,同时避免传统距离估计方法对手动参数设定的依赖性,提出了一种基于长短时记忆(Long Short-Term Memory, LSTM)网络的气味源距离估计方法。所提方法利用LSTM网络对长序列特征的获取能力,从MOS传感器阵列的信号中自动学习距离指标,从而实现端到端估计。搭建了气味扩散仿真平台,生成气味扩散仿真数据集用于网络训练、参数调优和验证测试。结果显示,所提出的模型在10 m范围内的平均估计误差为0.16 m,比基于统计特征的估计方法误差降低了一个数量级。最后分析了不同LSTM超参数对距离估计精度的影响,并且就网络对未知气味扩散环境条件的泛化适应能力进行了验证。     

一种基于FFT变换的超宽带信道盲估计算法

提出一种假设同步条件下,适合PPM调制的超宽带信道盲估计算法.算法基于接收信号的一维圆周平稳特性,结合圆周退卷积运算,达到对参数的估计目的.该算法只需简单的傅里叶变换运算和少量操作,具有低复杂度,易工程实现的优点.算法可同时对多路信道进行估计,而且对幅度和相位不存在模糊因子.仿真结果表明,对于传输500个信息符号的信道估计结果,当系统误码率达到1%o时,与理想条件下接收机信噪比相差不到3 dB.     

碳酸化塔CO2浓度的软测量

通过联碱碳酸化塔中与CO2浓度相关且可在线实时检测的参数,如进气量、温度、压力等,构造出CO2浓度的多元一次回归模型。并根据自适应辩识原理,对变量形式进行变换,导出可变窗口自适应辩识方法,建立了联碱碳酸化塔中CO2浓度估计器,利用该估计器的模型参数和可在线实时检测的相关参数,以及在线估计算法,使得联碱碳酸化塔中CO2浓度在线检测成为可能。