多速率传感器数据融合及在设备监测中的应用

准确测量电力设备的各种运行参数是电力设备在线监测的重要前提,而各种干扰的存在严重影响了测量精度。多传感器数据融合是一种提高监测系统的鲁棒性的有效途径。给出了一种融合不同观测速率多传感器观测信息的有效方法,对某生产设备电动机负载的仿真验证了其可行性。     

电气测量中的多传感器信息融合技术

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。     

一种不同分辨率异类图的融合算法

将较高分辨率的图像分解到各个较低分辨率，对最低分辨率的图像采用先加权平均，进而取亮度极大值的融合方法进行融合，并对上述最低分辨率上的融合图像和较高分辨率的图像利用基于Kalman滤波的多分辨图像融合算法进行融合；上述2步重复进行，最后可得最高分辨率下综合所有图像信息的融合图像。实验表明，本文所介绍的图像融合算法是有效的。     

样本不平衡情况下的电力系统暂态稳定集成评估方法

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.     

基于Kalman滤波的多分辨率图像融合新算法

以尺度类似于时间,对具有不同分辨率的多幅图像建立起状态方程和观测方程;以标准Kalman滤波为工具,将具有不同性能与特点的图像进行融合,并给出了分块快速算法.利用估计误差绝对值均值对融合的性能进行了评估.多组实验与分析表明:所提出的图像融合算法不仅能有效的去除噪声和提高图像分辨率,而且通过图像融合,能够大大改善存在部分遮挡和恶劣天气等影响下获取的存在灰度、对比度变化的图像的性能.     

一类多速率动态系统的异步数据融合算法

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.     

非线性系统的异步多速率数据 融合估计算法研究

 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.     

结合小波与增量符号相关的鲁棒图像匹配

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。     

基于多传感器图像融合技术的鲁棒景象匹配算法

将多个传感器获取的具有不同大小、不同分辨力和不同信噪比的实时图基于Kalm an滤波的方法进行融合,以提高实时图的性能;搜索融合后的实时图在基准图中的位置达到目标定位之目的,即进行景象匹配。在景象匹配过程中,选用归一化互相关系数作为相似性度量。多组实验与分析表明:所介绍的基于多传感器图像融合技术的景象匹配算法可以有效地解决实时图存在部分遮挡、灰度与对比度变化以及复杂噪声干扰等影响下的景象匹配问题。     

一类多速率多传感器系统的状态融合估计算法

基于不同传感器以不同采样率对同一目标状态进行观测的多传感器单模型动态系统,该文提出了一种状态融合估计算法。不同传感器之间采样率之比可以是正有理数。该算法不仅具有好的实时性,而且在线性最小方差意义下是最优的。进一步可以证明:融合多个传感器获得的最高采样率下状态的估计值优于单传感器的估计结果,而减少任何一个传感器的信息所获得的估计值的误差协方差都将增大。仿真结果验证了算法的可行性与有效性。