基于多元角域指标离群检测的风电齿轮箱故障预警方法

针对风速和载荷随机波动造成的早期故障特征难以提取和量化的特点,提出基于多元角域指标离群检测的风电齿轮箱故障预警方法。首先利用阶比重采样技术将非平稳的时域振动信号转化为具有平稳或准平稳特性的角域信号,提取角域无量纲指标反映风电齿轮箱早期故障趋势;其次利用多元相关度测量建立风电齿轮箱早期故障识别模型;最后采用多元离群检测方法实现风电齿轮箱早期故障预警。实验表明,该方法能够实现较为准确地的风电齿轮箱早期故障预警,具有较好的工程实际意义。     

P300 Speller中基于权值重采样的 ABSVM字符识别方法研究

 P300 Speller是脑-机接口中重要的信息交互方式,由于其诱发的脑电特征信噪比较低与训练样本量庞大等问题,常规的线性识别算法和支持向量机等非线性识别算法难以获得理想的识别效率.本文引入了一种基于权值样本重采样过程的Adaptive Boosting SVM(ABSVM)方法,在大样本集上利用AdaBoost重采样方法建立一系列小样本子集,在其上训练支持向量机并将其集成后进行识别.对6位受试者P300 Speller字符辨识实验的脑电特征识别结果发现,该方法能够显著提高字符识别效率,在合并使用5次重复刺激特征的情况下字符识别准确率达到97.5%.使用国际脑机接口竞赛数据库数据进一步验证,在合并使用5次重复刺激特征的情况下该方法识别正确率较竞赛报告的最优方法提高7.35%,最大信息传输速率的提高达到48.9%.研究结果表明,ABSVM方法能够有效提高P300 Speller的识别效率和信息传输速率,值得进一步研究和发展.     

一种改进的自适应重采样粒子滤波算法

针对粒子滤波跟踪算法中重采样所引起的粒子多样性缺失问题,提出了一种自适应粒子滤波重采样方法。首先将粒子权值进行分类,中等权值粒子保持不变,大、小权值粒子进行权值优化组合,其次对优化组合后的小部分粒子进行系统重采样。最后对粒子的权值及粒子的复制次数分别进行比较运算。试验结果表明,改进后的粒子滤波算法不仅提高了机动目标跟踪的运算效率,而且还有效提高了跟踪的稳定性,目标跟踪更加准确。     

一种应用于斜视聚束模式的改进极坐标格式成像算法

极坐标格式算法(Polar Format Algorithm, PFA)通常应用于正侧视聚束SAR成像,当PFA应用斜视聚束时,传统沿视线插值(Line Of Sight Interpolation, LOSI)PFA方法会导致方位频谱非等间隔采样。该文针对上述问题提出一种新的方位频谱插值方法,根据斜视聚束的几何模型可以得到方位频谱精确的插值形式,从而实现对方位频谱等间隔重采样。在获得了均匀的频谱后进行2维逆傅里叶变换,便可以得到大范围的斜视聚束场景。为了验证该文算法的有效性,进行了实验仿真及实测数据验证,该方法与传统插值的方法进行比较,能够增大斜视聚束场景范围。     

均匀重采样粒子滤波器在SINS初始对准中的应用

针对标准粒子滤波算法中存在的样本贫化问题,提出一种在随机重采样中加入均匀采样的均匀重采样方法,不但可以保证标准粒子滤波算法逼近精度,同时能通过保留被抛弃粒子的分布范围增加粒子的多样性.针对捷联惯性导航系统的初始对准问题,应用这种均匀重采样的粒子滤波算法进行了仿真研究.仿真结果表明,在初始方位失准角为10°的情况下,均匀重采样粒子滤波算法的对准精度高于标准的粒子滤波算法,初始对准的稳定性也得到了有效改善.     

一种多标签随机均衡采样算法

为解决多标签学习中数据不平衡、传统重采样过程标签样本集相互影响以及弱势类信息大量重复和强势类信息大量丢失的问题,提出多标签随机均衡采样算法。该算法在多标签的条件下提出随机均衡采样思想,充分利用强势类和弱势类信息来平衡数据冗余和损失;优化样本复制和删除策略,保证不同标签重采样过程的独立性;提出平均样本数,保持数据的原始分布。实验在3个数据集下对比了3种多标签重采样算法的性能,结果表明,0.2和0.25是所提算法的最佳重采样率,且该算法尤其适用于不平衡度较高的数据集,和其他方法相比具有最好的性能。     

特征线法及其变体在水轮机及引水系统非线性建模中的对比研究

建立引水系统的水力变化模型是水电机组非线性建模和仿真中的重要内容,同时水力因素对水轮机调节系统过渡过程的影响也是研究机组和电网稳定性时需要系统性考虑的主要问题。本文提出了一种改进的特征线法,针对水轮机及引水系统建立了包含基本特征线法的联合非线性模型,以及包含可选水击模型的模块化非线性模型,以开展特征线法及其变体的对比研究,为今后水轮机调节系统的大小波动仿真提供一定的理论指导。在此基础上,以国内某大型水电站机组孤网运行模式为例,在频率和负载的大、小扰动作用下,研究了刚性和弹性水击、特征线法及其变体模型的仿真结果,分析了各模型计算的瞬时水头的差别,得出了不同模型参数的调节规律和影响效果。结果表明,在大小波动条件下不同引水系统模型对于机组水头变化趋势的描述基本一致,仅在局部极值附近的计算结果有所差别,且在大波动条件下较为明显,但可通过调整具体的模型参数减小这种差别。     

基于线性插值法的SMV丢包处理措施研究

研究了当间隔层保护、测控等IED使用线性Lagrange法重采样时,出现合并单元传入数据丢包的异常处理措施。讨论了工程中2种常用的数据丢包补偿措施,鉴于线性插值法运算量小、实时性较好的特点,提出一种基于线性插值法的新型补偿方法,分析了各种措施的采样误差,考虑到谐波对补偿措施的影响较大,仿真了稳态和暂态情况下各种措施的采样误差。由于保护测控装置对部分谐波的测量要求较高,仿真了经过3种补偿措施后各次谐波幅值和相位的误差。通过仿真比较,证明新提出的丢包补偿措施更加精确,最终提出了在连续丢包的情况下合理可行的处理方案。     

不均衡数据集上文本分类方法研究

文本分类中数据集的不均衡问题是一个在实际应用中普遍存在的问题。从特征选择优化和分类器性能提升两方面出发,提出了一种组合的不均衡数据集文本分类方法。在特征选择方面,综合考虑特征项与类别的正负相关特性及类别区分强度对传统CHI统计特征选择方法予以改进。在数据层上,采用数据重取样方法对不均衡训练语料的不平衡性过滤减少其对分类性能的影响。实验结果表明该方法对不均衡数据集上文本可达到较好分类效果。     

基于改进粒子群最优化算法的Gmapping研究

传统的Gmapping算法在RPPF-SLAM的基础上改进了提议分布与重采样策略,提升了算法性能。但是Gmapping在频繁地进行粒子迭代过程中会出现粒子退化现象,导致正确的粒子被丢弃或者粒子的多样性下降,直接影响到建图效果。针对上述问题提出了一种融合改进粒子群最优化算法的粒子滤波SLAM算法,采用PSO算法对采样后的粒子群进行更新,并且对不同权重大小的粒子进行粒子分层,依据分层结果优化重采样策略,保证粒子在高似然区域的占比同时也改善了粒子的多样性。在MATLAB上对改进粒子群优化算法进行仿真实验,结合搭载ROS系统的移动机器人实现真实环境的定位与建图。实验结果表明改进后的算法有着更高精度的定位与更精确的建图效果。