排序方式: 共有15条查询结果,搜索用时 15 毫秒
1.
2.
电气测量中的多传感器信息融合技术 总被引:1,自引:1,他引:1
由于电气设备的测量精度有限以及传感器故障或受到噪声、电磁波等多种因素的干扰,使得电信号的精确估计存在一定的难度。基于Kalman滤波和多尺度传感器,采用局部小波预值处理,给出了多传感器系统重构的方法。仿真表明:该算法不仅利用多传感器提高了估计精度,而且对于传感器的突变型未知干扰具有很强的鲁棒性。而这种干扰可能来自于传感器故障或者随机电磁干扰。为在传感器故障或者随机电磁干扰的条件下精确估计系统状态,进而分析系统(包括系统组件故障诊断),优化运行参数,为有效控制提供了技术保证。 相似文献
3.
4.
为了在电力系统发生暂态故障后能够快速、准确地对系统稳定性进行判断,并解决样本不平衡对模型造成的倾向性问题,提出了一种基于改进损失函数的电力系统暂态稳定集成评估方法.首先,基于故障清除后的短时量测数据,设计了一种结合1维、2维单通道和2维多通道卷积神经网络的集成模型,实现了端对端的抽象特征提取和暂态稳定分类.其次,改进了模型训练过程中的损失函数,加强了对失稳样本的拟合程度,增加了错分样本的权重,从而提高了全局准确率,并减少了失稳样本漏报现象的发生.此外,文中还分析了集成模型输出的判定阈值对失稳样本召回率的影响.最后,IEEE 39节点系统和IEEE 145节点系统的仿真结果验证了所提方法的有效性. 相似文献
5.
6.
一类多速率动态系统的异步数据融合算法 总被引:1,自引:0,他引:1
针对不同传感器以不同采样率、异步对同一目标进行观测的一类线性时不变动态系统,给出了一种有效的状态融合估计方法.利用该方法进行状态估计,首先根据多尺度系统理论,针对每一个传感器分别建立起相应的系统模型;然后利用Kalman滤波和有反馈分布式融合结构进行数据融合并给出状态估计.该方法避免了插值以及状态和观测的扩维,具有较好的实时性.理论分析和仿真结果均表明,融合估计结果在估计误差方差最小意义下,优于最高采样率的传感器Kalman滤波的结果,融合算法是有效的. 相似文献
7.
研究了一类非线性时变动态系统的状态估计问题,在不同传感器以不同采样率异步对同一目标进行观测时,提出了一种有效的数据融合估计算法.通过建立多尺度模型,将异步多速率系统形式转化为同步多速率系统;在每一步分别进行状态的预测和更新.在状态和观测预测时,采用强跟踪滤波(STF)算法;在状态更新时,采用有反馈分布式结构,顺序的利用每一个传感器的观测信息去更新状态的估计;从而基于给定的非线性系统模型,得到融合所有异步、多速率传感器观测信息的状态估计结果.该方法不需要对状态或观测进行扩维,计算量适当,从而保证了算法的实时性.仿真结果验证了算法的有效性. 相似文献
8.
结合小波与增量符号相关的鲁棒图像匹配 总被引:2,自引:0,他引:2
结合小波变换和增量符号相关提出了一种有效的鲁棒图像匹配方法。将实时图和基准图做小波分解以获得粗尺度的平滑图像;利用相邻像素间灰度的升降对所获得的平滑图像进行二值化重新编码;匹配二值化后的实时图和基准图,找出前者在后者中的坐标,进而确定实时图在基准图中的位置,以完成匹配。小波分解能有效的去除噪声并能大大提高匹配算法的实时性。增量符号相关方法对图像灰度值的变化不敏感。因此,二者相结合不仅有效的解决了存在噪声干扰、阴影混入(块误差)和部分遮挡等影响下的图像匹配问题,且与传统匹配方法相比,匹配速度提高了约10倍以上。理论分析说明了方法的可行性,多组实验显示了其有效性。 相似文献
9.
10.