基于极限学习机快速分类的人体跌倒检测方法

为了准确快速检测人体跌倒状态,提出基于惯性测量单元(inertial measurement unit,IMU)测量和处理数据的极限学习机(extreme learning machine,ELM)快速分类判别方法。分析了人体运动行为特征,构建了腿部运动参数提取模型;通过IMU采集人体腿部运动特征数据,并进行姿态解算;采用ELM方法对人体运动特征的加速度、角速度和姿态进行分类,判断人体是否处于跌倒状态;根据机器学习评价指标对ELM参数进行优化,得到最佳参数。进行了人体运动状态测量实验,结果表明,ELM方法能够对IMU测量和处理数据进行准确快速地分类。当隐含层结点为1 000时,ELM检测方法跌倒检测的准确率为96. 45%,灵敏度为97. 32%,特异性为89. 32%。因此,采用ELM快速检测方法,可有效地对人体运动特征数据进行分类,实现对人体跌倒行为的准确检测。     

基于相空间重构和奇异谱分析的混沌信号降噪

为了从被噪声严重污染的观测数据中重构混沌信号,文中提出了一种基于相空间重构和奇异谱分析的混沌信号自适应降噪方法.由于混沌信号具有类噪声特性,传统的奇异谱分析方法在处理混沌信号时难以辨识信号成分对应的奇异值数目.为此,文中通过在相空间比较混沌信号和噪声统计特性的差异来估计奇异值数,实现了自适应降噪.对计算机模拟生成的混沌信号和太阳黑子数的实际观测数据分别进行了降噪实验,结果表明:文中方法能准确地估计奇异值数目并有效地重构原混沌信号;与现有的混沌信号降噪方法相比,文中方法在噪声抑制性能上有优势,重构的相图质量也更好.     

基于极限学习快速分类方法的人体跌倒检测方法

为了准确快速检测人体跌倒状态,提出基于惯性测量单元(inertial measurement unit,IMU)测量和处理数据的极限学习机(extreme learning machine,ELM)快速分类判别方法。分析了人体运动行为特征,构建了腿部运动参数提取模型;通过IMU采集人体腿部运动特征数据,并进行姿态解算;采用ELM方法对人体运动特征的加速度、角速度和姿态进行分类,判断人体是否处于跌倒状态;根据机器学习评价指标对ELM参数进行优化,得到最佳参数。进行了人体运动状态测量实验,结果表明,ELM方法能够对IMU测量和处理数据进行准确快速地分类。当隐含层结点为1 000时,ELM检测方法跌倒检测的准确率为96. 45%,灵敏度为97. 32%,特异性为89. 32%。因此,采用ELM快速检测方法,可有效地对人体运动特征数据进行分类,实现对人体跌倒行为的准确检测。     

含非线性摩擦的伺服系统连续模型直接辨识

为准确描述伺服系统的动态特性与摩擦非线性,提出了一种非线性连续模型直接辨识方法. 该方法以离散输入输出数据与速度方向的逻辑值作为辨识输入,通过等价变换将未知参数都转移到模型的线性部分中,再运用基于状态变量滤波器的直接辨识法求得未知参数,从而获得伺服系统的非线性连续模型. 通过仿真及在双向转台伺服系统的实验表明,该方法在有噪声的情况下仍能准确辨识出非线性连续模型,能准确描述伺服系统的动态特性.     

基于膜算法进化极限学习机的氧气转炉炼钢终点预报模型

氧气转炉炼钢的控制目标是终点温度和碳含量,但由于不能对其进行在线连续测量,直接影响了出钢的质量.针对该问题,提出一种基于膜算法进化极限学习机(ELM)的抗干扰终点预报模型.利用进化膜算法的全局寻优能力调整ELM网络参数,不仅避免了ELM网络受异常点影响出现过拟合现象,还可以寻找最优复杂度的ELM模型.将找到的ELM模型应用到转炉炼钢领域并建立终点碳含量和温度的预报模型.在仿真实验中,分别使用含有高斯噪声的标准sin C函数和氧气转炉炼钢实际生产数据进行仿真,结果表明所提模型在含噪声的数据中具有较好的预报精度和鲁棒性.     

基于一种改进自适应模糊神经技术的PEMFC系统建模和控制

从质子交换膜燃料电池(PEMFC)实际应用的角度出发，应用自适应模糊神经网络技术对PEMFC系统进行建模与控制．在建模过程中，同时应用实验数据和专家经验对模型进行辨识，使模糊节点具有明确的物理意义和初始参数的选择更加容易．在控制过程中，将训练好的网络模型作为PEMFC控制系统的参考模型，采用自适应神经网络学习算法(ANA)在线对控制器参数进行自适应调整，采用最近邻聚类算法(NCA)对控制器的模糊规则库进行更新．在仿真实验中，将自适应模糊控制算法与PID和传统模糊算法进行比较，结果表明本算法控制性能优良．     

基于实时仿真硬件在环的光伏逆变控制器参数辨识

为准确获取光伏逆变控制器参数,在仿真中实现对光伏系统的精确建模,以便正确分析光伏并网系统的动态性能。提出了一种基于实时仿真硬件在环测试的光伏逆变控制器参数辨识方法。该方法采用基于粒子群算法的dq轴参数解耦辨识策略,通过搭建光伏逆变控制器-实时仿真硬件在环测试平台,将测得多种工况下光伏逆变器的响应数据作为实测数据。利用快速原型控制器(rapid prototyping controller, RCP)对所提出辨识策略准确性进行验证后,利用平台对实际控制器进行硬件在环实验,并依据辨识结果在Simulink中建立仿真模型与实测数据对比。结果表明:所提辨识方法正确性及有效性,可以满足电力系统暂态仿真需求。     

基于知识发现和分层ELM的暂态失稳模式辨识

为了有效辨识电力系统暂态失稳后发电机的动态行为,以失稳后的功角数据为输入特征信息,提出一种基于知识发现和分层极限学习机(ELM)的失稳模式辨识方法。首先利用ELM快速辨识系统暂态不稳定的功角样本。为了充分利用不稳定样本自身结构来挖掘关键信息,引入知识发现算法KODAMA以获取发电机的不稳定动态行为模式,构建失稳功角模态集。然后,根据所得模态数据集,为提高不稳定模式辨识的准确性,设计了分层ELM的辨识策略以辨识发电机的失稳模式。最后,在Nordic系统中验证所提方法的有效性,测试结果表明提出的辨识方法能够准确地辨识失稳模式,且在保证尽可能高精度的前提下,具有相对快速的评估速度。     

车用永磁同步电机功率闭环扭矩控制方法

针对永磁同步电机磁链参数易受环境温度、定子电流等参数影响的情况,研究了表贴式永磁同步电机(SPMSM)和采用i_d=0控制的内置式永磁同步电机(IPMSM)功率、扭矩与磁链的联系,提出了一种基于功率闭环的在线辨识磁链实现精确扭矩控制的策略,并进行了仿真和实验分析. 结果表明,提出的策略能使永磁磁链快速、准确地收敛到磁链真实值,从而提高车用电机驱动系统的动态性能和抗干扰能力.      

基于ECTLBO-ELM模型的荷电状态估计

电池的荷电状态(SOC)表示电池的可用容量,是电池管理系统重要参数之一。以锂离子电池为例,准确的估计可以提高其性能。为了建立锂离子电池的精确计算模型,提出了一种基于增强混沌教与学优化算法(ECTLBO)优化极限学习机(ELM)的SOC估计模型(ECTLBO-ELM)。在ECTLBO-ELM模型中,一是利用增强混沌优化策略对班级中最优个体进行混沌搜索以增强TLBO算法的全局优化性能;二是采用改进的TLBO算法优化ELM的输入权值和隐含层偏差,提高其估计性能。利用某10AH的锰酸锂电池的三种不同倍率下的放电实验数据集对提出的算法进行测试,为了揭示所提方法的性能,将结果与标准ELM算法进行比较。结果表明,该方法能较好地估计SOC。     

有色噪声干扰系统的参数辨识递推算法

为了辨识受有色噪声干扰的系统参数,提出一种递推算法。该算法由系统部分的参数估计和噪声部分的参数估计2部分组成。系统参数估计采用的是包含当前预报误差和之前估计误差的递推算法辨识。噪声部分参数则是采用扩展的最小二乘算法辨识。该文对新的递推算法进行了仿真,实验结果显示该算法能够降低噪声对参数估计的影响,减小估计误差,较精确地辨识出受有色噪声干扰系统的参数。     

有色噪声干扰系统的参数辨识递推算法

为了辨识受有色噪声干扰的系统参数,提出一种递推算法。该算法由系统部分的参数估计和噪声部分的参数估计2部分组成。系统参数估计采用的是包含当前预报误差和之前估计误差的递推算法辨识。噪声部分参数则是采用扩展的最小二乘算法辨识。该文对新的递推算法进行了仿真,实验结果显示该算法能够降低噪声对参数估计的影响,减小估计误差,较精确地辨识出受有色噪声干扰系统的参数。     

基于MWSA的热力系统单参数时序预测方法

热力系统的状态参数变化可以实时反映系统的运行状态，针对热力系统参数运行数据预测手段匮乏的现状，基于4种算法提出一种单参数预测方法并简称MWSA,对当前设备状态参数进行分解降噪、趋势提取和时序预测，并将预测结果作为下一步运行管理策略和装备维修的参考，对系统的长期安全稳定运行具有重要意义.首先，利用中值回归经验模态分解(MREMD)方法将监测得到的运行状态参数分解为若干个本征模态函数(IMF)和残余分量.然后，对不符合筛选条件的分量进行小波阈值降噪(WTD),并将去噪后的分量与原本符合筛选条件的分量重组成新的IMF分量.最后，利用基于奇异值分解(SVD)和优化参数排列熵(PE)的K-means聚类算法，对重组后的IMF分量进行分类，取熵值较低的一类分量重构为趋势项并采用整合滑动平均自回归模型(ARIMA)进行预测.经实际案例验证，该方法能够有效克服原始参数时序中高频噪声的干扰，与不采用降噪处理的同类方法相比，该方法预测的准确度更高.     

小波降噪卡尔曼滤波锂电池荷电状态估计

针对锂离子电池充放电电压信号(DCV)中存在的噪声信号导致荷电状态(SOC)估计精度降低、波动较大的问题,提出了一种基于离散小波变换(DWT)的降噪扩展卡尔曼滤波(EKF)算法。该算法利用多分辨率分析(MRA)分解携带噪声的DCV信号,通过对比4种阈值硬阈值降噪规则对携带噪声的DCV信号的降噪处理效果,选择Stein无偏风险阈值硬阈值降噪规则调整小波系数,通过含自适应遗忘因子的递推最小二乘法辨识电池模型参数后,利用扩展卡尔曼滤波算法估计SOC。仿真结果表明:使用Stein无偏风险阈值硬阈值降噪规则有效地降低了DCV信号中的噪声信号;所提算法具有较好的鲁棒性,能够有效地提高SOC估计精度,使SOC估计误差范围控制在3%之内。     

一种强噪声下的监护信息降噪方法

为提高监护信息系统预报的准确性,提出一种强噪声下监护信息的降噪方法.该方法利用小波变换分析噪声和生理信号的小波系数的特点,应用Hampel滤波器对生理信号小波系数进行滤波处理,并将处理后信号进行小波逆变换,实现监护信息的降噪处理.选择PhysioNet数据库数据进行实验,结果表明文中方法对监护信息有较好的降噪效果.     

PCD算法对音频信号降噪的参数选择

并行坐标下降(parallel coordinate descent, PCD)是一种最优秀的降噪算法,它被广泛地应用于图像处理中。由于算法有关参数的不确定性,使得PCD在音频信号降噪中并未获得相应的运用。为此,通过仿真实验,比较在音频环境下不同噪声强度、不同软阈值、不同超完备字典以及不同迭代次数对PCD降噪性能的影响,以提供算法相关参数的选择依据,从而扩展PCD的应用范围。实验结果表明,输入信噪比SNR=10(或加性Gauss白噪声的标准差σ=0.1)是PCD对音频处理的极限条件。在全局阈值规则下,当收缩函数的阈值取λ=0.1时,PCD的降噪效果最佳。在冗余表示的基础上,采用Gabor超完备字典对信号分解可使PCD的降噪效果更好。当算法迭代次数到达M=25时,PCD获得稳定的收敛。     

RLS算法在碳基超级电容器参数辨识中的应用

为改善传统碳基超级电容器模型不能同时兼顾简易性和精确性的缺点,提出一种解决碳基超级电容器模型参数辨识问题的新方法.构建一种能充分描述超级电容工作特性的参数辨识电路模型,采用带遗忘因子的最小二乘法(RLS)对电路参数进行辨识,并通过恒流充电实验方法及仿真研究对充电过程的电压和电流进行测量和比较.研究结果表明:该电路模型能克服传统最小二乘法易出现数据饱和的缺点,得到更为精确的模型辨识参数.     

三种运行参数对PEMFC动态响应的数值分析

为了探究在电流阶跃变化中工作温度、相对湿度和背压等运行参数对质子交换膜燃料电池（PEMFC）性能的影响,运用相对湿度和工作温度之间的耦合变化推导出了动态计算（DT）模型。该模型通过工作温度和相对湿度来阐述膜电极参数和PEMFC性能之间的特性关系,并分析在电流阶跃变化中这两种运行参数对质子交换膜（PEM）内水传递特性、输出电压和功率密度随时间变化的瞬态响应的差异。采用理论计算结合试验的方式,首先通过自定义函数（UDF）将DT模型导入到Fluent软件中进行计算并应用有限体积法进行求解;其次开展PEMFC动态负载性能测试,测量工作温度为50℃、60℃、70℃,背压为0、10 kPa,相对湿度为50%、75%、100%,同时改变电流负载（阶跃幅度为5 A）来实现PEMFC对电流阶跃动态响应的测试;最后通过极化曲线和I-P曲线对DT模型和试验数据进行比较分析。结果表明：实验数据与DT模型的仿真结果之间有很好的相关性;不对称加湿是影响功率密度的一个主导参数;阳极相对湿度决定了功率密度在发生阶跃电流后稳定运行的能力;PEM水含量与功率密度下冲幅度和响应时间有关。因此,工作温度为60℃、背压为10 kPa、阳极相对湿度为75%、阴极相对湿度为100%时,PEMFC的动态性能最佳。     

环境条件对质子交换膜燃料电池性能的影响

研究了不同环境温度、湿度条件下小功率质子交换膜燃料电池(PEMFC)堆的性能，结果表明：环境温度、湿度对PEMFC堆的性能有很大影响，随着相对湿度的增加，PEMFC堆的最大输出功率显著提高；当相对湿度小于30％或者当环境温度降至10℃(2以下时，PEMPC的性能严重下降。     

基于改进SPBO算法的水下推进永磁同步电机参数辨识

精确的永磁同步电机(permanent magnet synchronous motor，PMSM)模型是集成电机水下推进器恒转矩控制的关键。为了提高水下推进PMSM参数辨识的精度，提出一种融合Tent映射与t分布变异策略的改进学生心理优化算法辨识水下推进PMSM参数。该算法在标准学生心理优化算法的基础上，引入Tent映射策略增加初始种群多样性，引入t分布变异策略平衡算法的前期与后期搜索能力，提高了算法的收敛速度和收敛精度。仿真和实验结果表明，该算法的辨识误差可达1%以内，且具有更快的收敛速度和更好的辨识稳定性。