EMD动态过程神经网络尾水管故障信息融合诊断

为准确识别水轮机尾水管涡带状态,本文提出一种基于EMD指标能量的神经网络故障诊断方法。采用经验模态分解方法分离尾水管压力脉动信号,建立基于指标能量的故障特征向量,并以此作为故障样本训练三层离散前馈过程神经网络,形成由动态特征向量到故障类型的映射关系,实现故障信息融合诊断。以水轮机尾水管压力脉动信号为例,进行了应用检验。结果表明,该方法的收敛速度和分类精度优于传统的RBF、BP神经网络法,分类识别的平均百分比误差小,准确度高,适合用于水轮机尾水管涡带的故障融合诊断。     

基于ERDAS的遥感影像几种融合方法的分析比较

本文描述了在ERDAS中如何对遥感图像进行纠正,配准,重点讨论了进行遥感图像的融合方法和过程,提出了三种融合方法,并对主成分变换融合、乘积变换融合、比值变换融合,三种融合的效果和应用进行了比较和讨论。     

基于多传感器信息融合技术的球磨机料位测控系统

提出了一种基于多传感器信息融合技术的球磨机料位测控系统.在机理模型分析的基础上,研究了球磨机料位与过程参数之间的关系.研究了信息融合中传感器的选取和数据采集,开发了由数据采集器-数据通信器-PC机3层结构组成的球磨机筒体振动信号采集装置,并基于最小二乘支持向量机(LS-SVM)算法提出了料位信息融合软测量方法.提出了基于料位检测的球磨机负荷模糊控制算法.实验结果表明,该测控系统能够有效地实现料位检测与优化控制.     

基于最小二乘加权融合集成神经网络的电力变压器故障识别

提出了一种基于最小二乘加权融合集成神经网络的变压器故障识别新方法.首先对色谱分析法检测到的特征气体含量进行数值预处理,提取出故障识别所需的6个特征量,再应用5个不同结构的BP子网络分别进行识别,接着运用最小二乘加权融合算法对各个子网络的识别结果进行信息融合,最后根据融合结果来识别故障.与单个神经网络识别方法相比,该最小二乘加权融合集成神经网络可在故障特征比较类似的情况下,正确识别故障类型,且该方法的识别结果具有更大的安全间隔空间、可靠性更高.测试结果也表明了这些特征.     

蓝牙技术在智能家居系统中的应用

介绍了基于蓝牙技术的家居智能监控系统,该系统将蓝牙通信技术与有线电话和互联网融为一体,组成家庭智能监控网。章介绍了系统的硬件结构、软件设计和数据融合方法。     

动力用煤结渣倾向的判断

针对近年来珠江电厂锅炉频繁出现的严重结渣现象，从煤种方面分析了造成锅炉结渣的各种因素，并着重从煤灰的灰成分、灰熔融特性方面进行分析，计算出灰成分、灰熔点之间的相关参数，总结出对动力用煤结渣倾向进行判断的4种方法，并将这些方法应用于珠江电厂燃煤结渣倾向的判断。实际应用表明，判断结果与珠江电厂实际结渣情况相符合。该方法为煤种掺烧和电厂燃煤管理提供了依据。     

面向风电接入的电力市场最优定价与跟踪控制策略

通过经济手段对电厂的发电行为加以引导是未来电力市场的发展方向。针对大规模风电并网下的风—火协同发电难题,设计最优跟踪控制策略。实时电价作为控制变量,火电厂的电价响应特性作为约束条件,市场的供需平衡作为目标函数。应用信息融合算法,综合火电状态反馈及风电预报前馈,在滚动时域上优化电价序列。通过收益变化引导火电厂主动参与系统调峰,确保风—火发电总量对负荷的动态跟踪,实现电网对风电的有效消纳。数值仿真结果验证了该方案的有效性,其定价—应价的互动策略可作为电力系统管理和火电厂出力的决策参考。     

基于红外与紫外图像信息融合的绝缘子污秽状态识别

为了实现绝缘子污秽状态的非接触检测,提出了一种基于红外与紫外图像信息决策级融合的污秽等级识别方法。分别计算不同污秽等级绝缘子红外与紫外图像特征,根据Fisher准则进行特征选择,得到可以有效表征污秽状态的特征量,为了提高分类器的运算速度和准确性,利用核主元分析(KPCA)进行特征提取,分别得到红外与紫外特征的三维核主元向量,使用径向基神经网络(RBFNN)分别进行污秽等级识别,利用D-S证据理论对识别结果进行决策级融合,实现绝缘子污秽等级的识别。实验结果表明,该方法的正确率显著优于单独使用红外或紫外特征进行识别,为绝缘子污秽状态的非接触检测提供了新的方法。     

靶场光雷测量数据融合定位方法研究及应用

在靶场测量中,光电经纬仪由于测量直观、可靠性好、测量精度高等特点,一直被作为外弹道跟踪测量的重要设备,但是其不具备单站定位功能且双站交会受布站等因素限制。针对这种情况,为充分利用测量数据,将部署在经纬仪附近的具有作用距离远的雷达系统与光电经纬仪建立联合定位模型。首先对雷达和经纬仪的测量数据进行时间和空间配准,然后通过单站定位方法得到目标的位置。应用结果表明,其定位精度明显优于雷达单站定位精度,该方法可以作为计算弹道坐标的一种补充。