火电厂煤粉浓度软测量中数据校正技术

对火电厂煤粉浓度软测量中数据校正技术进行了分析,阐述了几种常用的数字滤波方法减小随机误差的影响,根据制粉系统测量量的特点,给出温度、压力信号滤波的具体方法.依据主元模型,对存在显著误差的"坏数据"进行校正,并通过仿真研究,表明算法的有效性.     

面向生产设备实时监控的数据挖掘技术的研究

介绍了异常检测技术及算法,并将基于距离的异常检测技术与基于密度的异常检测技术结合起来应用于制造业设备状况和产品质量的实时监控;提出了实时监控的系统框架;结合点焊机焊接过程的监控,对该方法及其有效性进行了说明和验证。     

基于MTConnect切削过程的在线实时监控方法

制造设备间的广泛互联、互操作是制造领域实现广泛物联的重要前提.对数控系统进行实时监测,收集数控系统加工参数、刀具几何参数、零件质量检测等异构数据,进行有效地关联监控是目前研究的热点.基于OPC(object linking and embedding for process control)UA(unified architecture)连接数控系统,建立基于MTConnect的"适配器-代理(adapter-agent)"通用数控系统实时监控体系.研究实时监控数据模型、通信框架及其访问策略,给出了机床加工过程监控数据的标准数据模型.开发的原型系统在某航空薄壁件的实际加工过程进行实时监控,实现了加工过程数据、离线数据的综合可视化表达,验证了所提出的数控系统信息集成方法的有效性.该方法构建的数据模型清晰地表达了各加工要素,具有很好的可扩展性.     

PI实时数据库系统在电厂厂级信息监控系统中的应用

实时数据库是电厂厂级信息监控系统(SIS)的核心,是实现全厂生产实时信息的基础.本文详细介绍了PI实时数据库中的旋转门压缩算法以及其在历史数据处理中的快速、高效以及可靠性,为电厂过程优化与生产管理决策提供可靠的数据保障.     

基于混合型鲁棒输入训练神经网络的非线性数据校正方法及其应用

提出了一种基于混合型鲁棒输入训练神经网络的非线性数据校正模型,在基于过程数据的神经网络模型中引入了反映过程机理的约束方程.根据所提模型的网络结构,采用罚函数法将约束方程加入到网络训练目标函数中,并采用BP算法推导出该网络的学习方法,进而给出了基于该方法的数据校正流程.分别以一个五维非线性系统和某1 000 MW机组1#高加测点为对象进行算例分析,结果表明:所提出的模型能正确检验出测量数据中的不良值,具有良好的鲁棒性;在完成数据校正的同时还能保证重构数据满足相应的系统机理约束条件;在多测点同时发生故障时,也能保证数据校正的准确性和可靠性.     

分布式智能入侵检测系统模型设计与实现

设计了一种分布式网络智能入侵检测系统模型.在该模型中采用了面向混合类型数据的快速聚类算法和基于属性约束的规则挖掘算法,对每一个IDS初始数据进行智能分类和关联;并且建立了入侵模式库,用于不同网段的实时检测;在数据融合中心采用基于D-S证据理论的数据融合方法处理来自不同IDS的初级报警,并生成高级报警,有效地抑制了海量警报.实验结果表明,该设计方案能够消除重复报警,降低误报率,提高报警所含的信息量,并为管理员提供一个网络安全的整体视图.     

基于STM32F407无线智能网络的PM2.5监控系统

为准确监测日益严重的雾霾天气,基于STM32F407开发系统,结合n RF24L01无线通信模块、GSM通信模块、PM2.5传感器模块和相应的外围硬件及软件设计了无线智能网络监控系统,并采用数字滤波技术的中位值平均滤波算法对PM2.5传感器所采集数据进行处理.结果表明:检测数据结果准确,可在液晶屏上实时显示PM2.5浓度,若超过预定值则GSM无线通信模块可以短信和电话振铃方式通知个人用户.     

基于关联规则优化的个性化推荐系统

针对当前个性化推荐系统处理数据效率较低的问题,提出了一种混合聚类关联规则优化的个性化推荐系统实现方法.深入分析了基于Web网络服务平台的电子商务个性化推荐系统的结构组成,将数据分析与推荐算法实现分为离线和在线处理两部分,阐述了算法初始化、关联实现以及推荐数据集合生成和兴趣模型预测的具体原理,并给出了算法的实现步骤.最后,基于提出的系统构建模型,建立了一种基于混合聚类关联优化的图书网络推荐平台.实验结果表明,该方法具有较高的推荐精度和推荐效率,更适合大数据环境的推荐系统.     

分布式实时运行数据驱动的液压支架群虚拟监测关键技术

针对多机装备可视化监测中存在的数据体量大以及单台主机模式下无法有效完成复杂任务的问题,提出了基于实时运行数据驱动的分布式液压支架群虚拟监测方法.该方法首先建立了基于实时运行数据的驱动模型;其次基于可识别数据交互器的数据传递方法,建立了C/S模式下的分布式局域网协同模型;然后基于一致性哈希算法的分配方法,建立了可根据主机负载状况动态分配任务的任务调度模型,最后以试验室液压支架群为例构建了分布式系统.试验结果表明:该方法建立的监测系统相比于单主机系统,提高了监测的稳定性,能够为透明综采工作面的建设提供核心技术支撑.      

基于卡尔曼滤波技术的河道汇流实时校正

基于卡尔曼滤波的河道汇流实时校正算法,采用非线性马斯京根矩阵解法,将河道汇流表达为一个时变线性系统,满足了卡尔曼滤波状态空间表达的要求.在进行滤波时,对系统参数矩阵的实时修正减小了河道汇流的非线性对线性滤波的影响.通过对每个子流域的“远程”和“本地”卡尔曼滤波校正,使全流域得到了全面合理的校正.提出一种新的模型噪声方差阵和量测噪声方差阵实时统计方法,该统计方法可有效地防止滤波发散现象,提高滤波预报的精度.通过在三峡区间流域上的应用,证明了基于卡尔曼滤波的河道汇流实时校正算法的有效性.     

自适应最小误比特率滤波算法研究

针对数字通信系统,介绍了一种新的滤波算法。该算法基于最小误比特率(MBER)准则,并利用梯度下降法实现。通过采用内核密度估计的方法来估计误码率函数,可将其推广到自适应的最小误比特率(LBER)滤波算法。仿真结果表明,LBER具有良好的收敛性能和误码性能,可以广泛应用于均衡、波束成形、检测等。     

基于非负定自适应卡尔曼滤波的电力系统虚假数据攻击检测

虚假数据攻击(false data attack, FDA)是通过对电网中远程终端单元(remote terminal unit, RTU)、同步相量测量单元(phasor measurement unit, PMU)等通信环节的攻击,误导电力系统的状态估计,给电力系统的安全可靠运行带来巨大威胁。构建了电网虚假数据攻击检测架构、电压信号状态空间模型和虚假数据攻击模型,提出了非负定自适应卡尔曼滤波算法来估计模型中的状态量,旨在准确检测电力系统中的虚假数据。通过对3节点电力系统仿真,结果验证文中所提的算法在保证滤波稳定性的同时,提高了攻击检测的运算速度。     

数字测量系统采样量化误差信息论综合法

本文针对数字测量系统采样与量化误差问题,提出了一种新的分析方法—信息论综合法,它克服了传统误差分析中不确定度与标准误差之间存在的随意性,使误差的表达更为合理。通过采样量化谱的分析,还提出了一种最优滤波处理方法,经仿真与试验表明,效果良好。     

水力发电厂管理信息系统(MIS)的构建

通过对水电厂管理信息系统需求分析，利用先进的计算机网络技术、信息系统对水电厂设备运营、发电量、输电量、电厂监控、状态监测、诊断维修、水情测报等信息系统相集成，在系统结构及运营机制上提出了水电厂管理信息系统系统设计、网络设计的框架模型。     

基于GPS/INS组合导航的改进自适应渐消卡尔曼滤波算法

基于GPS/SINS组合导航系统的模型不准确或者量测噪声多变所产生的滤波发散问题,研究了自适应渐消卡尔曼滤波对于滤波发散的抑制作用,文章提出一种利用新息协方差估计值和量测值实时自适应计算渐消因子的方法,用它调节卡尔曼滤波方程中预测误差协方差阵和增益矩阵,调整历史新息和当前新息的权重达到抑制滤波发散的目的。该算法能有效减少严格收敛判据推导渐消因子的计算量和限制条件,有效利用了当前新息值。仿真验证表明,提出的算法能有效抑制滤波发散,并且比常规卡尔曼滤波效果更佳。     

数据协调与过失误差侦破的鲁棒估计同步方法

为获得较准确的满足物料平衡和热量平衡的数据,传统的测量数据检验法（MIMT）计算复杂,而已有的数据协调和过失误差侦破的同步方法存在着不能准确识别过失误差等问题。基于鲁棒估计原理以及影响函数提出了一种新的鲁棒估计方法,用于稳态情况下的数据协调和过失误差侦破,并对计算过程中遇到的变量相关性问题进行了分析。计算结果表明,这种方法对线性和非线性问题都具有良好的效果,在侦破出过失误差的同时,可得到相应的数据校正结果。     

基于UKF的战术数据链通信延时与补偿算法

针对战术数据链在信息传输过程中通信延时和量测信息的非线性问题, 结合当前统计模型提出了一种基于无迹卡尔曼滤波算法的延时补偿算法。将非线性变换引入到状态预测中,
在状态预测的基础上加入延时补偿程序, 完成对延时的补偿, 且该算法对非线性量测模型进行更新, 避免了量测模型线性化带来的精度降低。分析了战术数据链产生延时的原因及其对攻击决策的影响, 建立了机动目标的当前统计模型, 采用无迹卡尔曼滤波算法对目标进行跟踪, 在该算法对状态预测的基础上加入延时补偿算法, 对机动目标的位移、速度进行补偿,仿真结果表明该方法有效。     

一类噪声相关多传感器系统的新型序贯式融合滤波

对于过程噪声与观测噪声一步互相关、各观测噪声一步自相关的多传感器融合滤波问题,提出了一种新的低维序贯式融合滤波算法.基于低阶迭代正交变换的思想提出了解相关的方法,将观测方程经过等价改写去除系统噪声的相关性,然后依据序贯滤波的思想,依次处理到达融合中心的观测信息,进而得到一类实时序贯式融合滤波算法.整个推导过程在线性最小均方误差意义下严格进行,能够实现系统状态的最优融合估计.最后的仿真验证了新算法在处理上述噪声相关问题上的最优性.     

化工过程系统的多层数据调和框架

过程数据的可靠性和一致性在化工过程系统中是非常重要的。过程的测量数据一般含有随机误差和显著误差,必须应用数据调和与显著误差检测技术来减小过程测量数据的误差。测量数据具有不同的类型。针对不同类型的测量数据的数据调和问题,提出了一种多层数据调和框架。此框架可以根据不同的测量数据选择不同层次的机理模型,进行数据调和。不同类型的测量数据的数据调和问题分为三层:第一层是基于总物料平衡层,第二层是基于物料和组分平衡层,第三层是基于严格机理模型层。在此数据调和框架中,应用加权最小二乘目标函数作为调和目标,采用鲁棒高效的显著误差检测方法。基于此框架,对于化工过程系统的测量信息的不同,均可选择合理的模型有效地对测量数据进行数据调和。联塔系统和空气分离系统的数值模拟试验说明了此框架的灵活性和有效性。     

基于三维激光路面轮廓调查系统及应用

路面轮廓包含道路质量评定的多种信息,其中路面车辙是衡量路面状况的重要指标.现行人工检测和目前基于点激光或线激光测量设备存在局限性.基于三维激光设备,研究并开发了一种路面轮廓调查系统.设计了一种全新的车载设备布置架构,采用高精度三维数据生成路面轮廓信息并连续计算路面车辙.采用边缘算法对车道区域外数据进行剔除,通过对横断面...