基于因素分布模型的微震定位精度敏感性分析

根据微震定位方程,基于误差最小原理,构造微震定位精度敏感性评价的输入输出数学模型,选取震源点到各检波器之间距离测量误差、微震波波速标定误差和信号到时拾取误差3个影响因素作为分析因子。从信息熵的角度,分析因素分布密度函数,并通过泛函变分求得相应表达式。采用正交法设计16组方案,根据分布函数求取因素各水平值,进行全局敏感性分析。研究结果表明:3个因子取值在给定区间内均符合均匀分布;无论是对内场震源点还是外场震源点,微震波波速误差,是对定位结果影响最大的因素,各因子对定位精度影响的主次顺序为:Ve,Te,De;对于内场震源点,3个因素对定位精度均有高度显著影响。但对于外场震源点,可能由于因素之间的交互作用或者试验误差影响,仅微震波波速标定误差对定位精度有高度显著影响。相关研究可为微震监测的准确定位等提供针对性指导。     

基于走时拟合的微震源定位及拾震器布阵研究

为解决国内常见微震源定位技术存在的震源定位精度及其可靠性都较低的问题,提出采用匀速P波和走时拟合的震源定位方法,编制了基于Matlab的震源定位程序。对设想的不同油井压裂微震监测中拾震器布阵方案进行震源定位,绘出了震源定位点的三维坐标误差图,比较其定位精度并选出合理的拾震器布阵方案。仿真结果表明,该方法可提高震源的定位精度,同时可根据得到的震源定位误差图分析,在拾震器利用率最高的情况下,选出准确、合理、有效的拾震器布阵方案。     

多雷达定位误差简析

在雷达定位过程中,雷达自身坐标误差与雷达所测飞行物距离误差对目标飞行物定位精度有着重要的影响,本文通过对精确定位所需雷达数的分析。利用泰勒估计式给出了定位精度与距离误差及雷达自身坐标误差之间的矩阵模型,并利用牛顿法设计了迭代定位算法。     

红透山铜矿微震监测系统及其应用

针对红透山铜矿深部地压活动频繁现状,建立矿山微震监测系统,通过构建红透山铜矿三维地质模型,优化传感器布设方案,对深部地压活动规律进行连续实时监测.通过微震监测结果与实际爆破震源对比,监测系统对于传感器监测范围内震源的定位误差小于5m,表明微震监测系统对于人工震源具有很高的定位精度.微震监测系统能够连续实时地对地压活动进行监测,捕捉由地压活动引起的微震活动信息,并实现微震源定位,这对开展矿山动力灾害的预测研究具有重要的现实意义.     

基于遗传-神经网络的电机故障诊断

本文采用非线性最小二乘法中的LM(Leven-berg-Marquardt)算法,结合遗传算法进行电机故障诊断的方法,并应用于电机故障的仿真实验,性能明显优于单一的算法结构.1神经网络模型及算法本文采用的LM算法是一种利用标准数值优化技术的快速算法,是高斯-牛顿法的改进形式[1].LM算法网络     

一种多无人机协同定位与稠密地图构建算法

针对VINS-Mono(monoculor visual-inertial state)算法定位精度较低且构建的稀疏点云地图包含的信息较少无法用于无人机的自主导航的问题,提出了一种集中式多无人机协同定位与稠密地图构建算法。该算法通过提高回环闭合中特征点匹配准确度以优化多无人机之间的定位精度,为了建立多个无人机之间的连接约束,使用四种不同类型的坐标系进行坐标转换优化,采用双向检测匹配法对关键帧进行特征点匹配,结合PROSAC(progressive sampling consensus)算法剔除误匹配,通过对有回环闭合约束的多无人机的位姿与全局地图进行全局位姿图优化,结合Voxblox构建了可供五架无人机协同导航的全局稠密地图。在EuRoc数据集的五个序列中,提出的多无人机协同定位与稠密地图构建算法与VINS-MONO算法相比,绝对轨迹误差分别降低了34%、26%、42%、24%、19%。实验证明,改进算法有效提高了多无人机之间的定位精度,并且构建的全局一致稠密地图包含距离信息与梯度信息,可以用于多无人机的自主导航。     

基于误差最小原理的微震震源参数反演

为减小矿山地质、岩性、施工等因素对震源参数测量精度的影响,提出一种基于误差最小原理的震源参数反演算法(均匀速度模型),在目标函数取最小值条件下拟合出最优震源参数。研究结果表明:无论是对内场震源点还是对外场震源点进行定位分析,提出的反演方法比传统的定位算法具有更高的定位精度。克服传统方法由于现场实测波速与真实波速之间存在误差而影响到拟合精度的缺点,可满足实际工程监测需要,研究结果可为相关工程的微震准确定位提供参考和借鉴。     

接收信号强度指示测距模型修正与粒子群算法权重优化的节点定位算法

为了降低RSSI测距误差对定位精度的影响,提出一种RSSI模型修正与PSO权重优化相结合的定位算法。首先通过最小化误差平方和原则对RSSI测距模型参数进行校正,避免测距误差带入定位阶段,然后利用三边测量法进行粗略定位,得到未知节点的近似坐标,最后引入改进PSO算法对该近似坐标进行优化,在改进PSO算法中提出一种基于收敛因子的权重策略,有效地平衡了算法的搜索速度与搜索精度,从而得到节点坐标优化值。实验结果表明,该算法能够有效抑制测距误差积累,有更好的收敛性能和更高的全局优化能力,能实现更好的定位效果。     

基于果蝇——广义回归神经网络优化的WSN节点定位算法

针对无线传感器网络(WSN)基于测距的定位算法中,利用节点坐标计算方法获得的节点坐标位置存在较大误差的问题,提出一种无需进行坐标计算的果蝇—广义回归神经网络(FOA-GRNN)优化的WSN节点定位算法.该算法利用广义回归神经网络(GRNN)较快的学习速度和较强的逼近能力建立WSN节点定位模型,通过果蝇优化算法(FOA)调整广义回归神经网络的平滑参数,降低调整平滑参数时人为因素的影响,由神经网络直接输出未知节点坐标.仿真实验表明,通过果蝇算法优化的FOA-GRNN模型的节点定位精度比未经优化的GRNN模型的节点定位精度高.同时,比较了FOA-GRNN模型与BP神经网络模型、虚拟节点BP网络模型(VNBP)在WSN节点定位中效果,表明FOA-GRNN模型在WSN节点定位精确性方面具有明显优势.     

HCZ模型参数求解的新方法

在实际应用中发现,胡-陈-张(HCZ)模型的线性回归参数估算法存在一定的局限性,使求解出的参数值出现了一定的偏差,导致该模型预测精度降低。在研究HCZ模型的基础上,提出应用麦夸特法和全局最优算法对该模型进行非线性参数估算;并通过实例计算与线性回归法计算结果进行对比。结果表明,非线性法计算出的参数值更加准确,产量和累计产量与实际生产数据拟合效果更好,误差仅为7.59%和5.05%,可作为求解HCZ模型参数值的新方法。     

矿山微震定位计算与应用研究

非理性购买行为现象非常普遍,但关于非理性购买决策的定义目前并没有一个统一的说法。行为经济学是一门介于经济学和心理学之间的边缘科学,它从心理学的角度揭示了人类非理性决策的现实,对规范经济学的“经济人”假设提出了挑战,动摇了效用最大化公理,它用实验方法证明现实生活中的人如何做出经济决策,使经济学恢复它本来的面目。基于规范经济学和行为经济学中关于“人性”假说的对比研究,发现非理性购买决策是指人们在购买过程中依靠直觉或情感、违反效用最大化、偏好不一致和非完全自利的判断与选择行为。     

基于极快速模拟退火与网格逐次剖分的微地震定位算法研究

提高微地震定位的可靠性是水力压裂微地震监测中的关键环节,现有的震幅叠加网格逐次剖分定位方法在处理高频微地震信号时容易出现定位失常。针对上述问题,本文在基于网格逐次剖分定位算法的基础上对定位算法进行了改进,提出了极快速模拟退火与网格逐次剖分联合的微地震定位算法。该方案首先采用极快速模拟退火算法在三维目标区域内搜寻能量聚焦较高的圆形区域,然后再利用网格逐次剖分方法在区域内寻找能量聚焦最大值点。合成数据实验表明,当微地震信号频率在100Hz~200Hz时,其定位可靠性与计算效率明显优于现有的网格逐次剖分算法。     

无线传感器网络节点自适应惯性权重定位算法

在无线传感器网络定位算法中,为了降低定位误差,提高定位精度,提出一种结合DV-Hop算法和改进粒子群算法的,基于自适应惯性权重的优化定位算法。首先根据DV-Hop算法估算未知节点与信标节点的距离。然后采用改进的粒子群算法做后期优化。根据每次迭代后粒子位置与全局最优位置的距离,对粒子的惯性权重进行动态调整,使其具有动态自适应性。并且利用进化度作为搜索中止条件,加快算法的收敛速度。通过仿真说明,相较于DV-Hop算法和基于已有改进粒子群优化的DV-Hop算法,自适应惯性权重定位算法可以降低平均定位误差,有效地提高了无线传感器网络中节点的定位精度。     

一种分布式无锚点定位算法的优化与实现

符合分布式和无锚点特点的定位算法一直是传感器网络节点定位技术的一个重要发展方向。通过对大量无锚点定位算法的分析,提出了一种符合分布式特点且定位精度较高的无锚点定位算法。为进一步提高该算法的节点定位精度,建立了该算法的误差模型,通过对其分析,提出了减少目标节点定位误差的方法。为衡量节点估计位置的准确程度,首先提出了2个指标——定位等级与可信度;然后以原算法为基础,利用提出的指标,按照误差分析得出的结论,设计了一种从目标节点邻居表中筛选出高精度邻居节点的优化机制,从而提高了目标节点的定位精度。计算机仿真分析表明,优化后的算法计算节点估计位置的有效性和可靠性均高于原算法,进而证明了这种优化设计的可行性。     

基于电磁辐射到达时差的电弧故障定位及精度

为了实现利用电磁辐射信号进行配网电弧故障定位,提出了一种基于到达时差(time difference of arrival, TDOA)方法的Chan-LM协同定位算法。该算法采用Chan算法快速获得的初始点,再经过LM(Levenberg-Marquart)算法迭代修正定位结果。仿真分析了TDOA定位算法、电磁辐射传感器配置对定位精度的影响,结果表明Chan-LM协同算法比Chan算法的定位误差减小40%,参考主站位于中心位置的Y形布站方式,传感器所在海拔高度相同时的监测区域整体定位准确度较高。利用实测电弧电磁辐射波形验证了Chan-LM协同算法能够有效改善定位精度,为基于电磁辐射TDOA的电弧定位策略应用提供参考依据。     

基于随机权重混沌粒子群反向神经网络算法的RFID定位算法

为了提高射频识别 (radio frequency identification,RFID)定位系统的准确性与可靠性,并改善反向传播神经网络算法在RFID定位算法中收敛速度慢、精度低、稳定性差的缺点,提出一种基于随机权重的混沌粒子群优化反向传播神经网络定位方法 (random weight chaotic particle swarm optimization back-propagation neural networks,RW-CPSO-BP)。在运用RW-CPSO-BP算法对标签进行轨迹预测过程中,首先对3个阅读器接收到的标签接收信号强度指标值 (received signal strength indicator,RSSI)先用均值滤波进行预处理,然后再进行归一化处理,将处理过的数据分为两组在RW-CPSO-BP模型中进行训练,从而得到误差曲线。经过RW-CPSO-BP优化过权值和阈值的BP模型能较好地定位移动标签,而且克服了陷入局部最优解的问题。仿真结果表明,RW-CPSO-BP算法收敛速度和稳定性明显高于BP网络,误差也较BP网络低,更加适合用于进行复杂环境下的RFID定位。     

波速赋值范围对PSO定位算法精度的影响

针对已知波速型声发射定位算法精度高度受制于初始波速测试准确性的问题,基于粒子群优化算法(PSO)开发了一种声发射定位算法,无需预先测试波速.以传感器接收到时差构建适应值函数,通过该算法求解此函数,得到声发射源位置和波速.研究不同波速赋值范围差、不同波速赋值范围上、下界与真实波速值的差值比(φ)对算法精度的影响. 在此基础上,开展断铅试验,对比分析PSO定位算法与单纯形定位算法的定位精度. 结果表明:不同波速赋值范围差、不同φ值下的PSO算法定位误差小于10%;当波速赋值范围差为2000m/s,且φ取1时,算法精度最高;本文算法定位精度明显优于传统单纯形定位算法.     

基于灰狼优化算法的机器人羽流追踪方法

针对在室内扩散环境无法获得可靠的羽流流向/流速信息的情况下,解决寻源机器人源定位效率低、成功率低的问题,提出了一种基于灰狼优化算法的机器人羽流追踪方法.该方法以气体浓度值作为个体适应度,在不搭载羽流流速/流向传感器的情况下,通过寻源机器人模拟灰狼种群的社会机制与狩猎行为进行位置更新,使寻源机器人能高效地追踪羽流并定位源位置.分别将灰狼优化算法、粒子群算法、遗传算法、Z字形搜索策略进行四组机器人羽流追踪仿真实验,基于灰狼优化算法的寻源机器人的定位成功率分别为92％、94％、94％、94％.实验结果表明,基于灰狼优化算法的寻源机器人的定位成功率分别为95％、90％、90％,验证了基于灰狼优化算法的机器人羽流追踪方法的可行性和有效性.