用于含过失误差数据稳态检测的改进滤波法

滤波法是稳态检测应用较广泛的方法 ,但它不适用于检测变量含有过失误差的情况 ,而实际过程测量变量常含有过失误差。该文对滤波法进行改进 ,用新假设代替原不合理假设 ,根据数理统计理论 ,推导出用于稳态检测的统计量。该统计量能应用于检测数据含过失误差的情况 ,且当数据不含过失误差时 ,可以推导出原统计量。数值实验结果显示 ,原方法用于检测数据含过失误差时稳态检测失效 ,而改进后的方法依然能够给出满意的结果     

基于时间冗余度侦破过失误差的修正系数法

为正确侦破与识别测量数据中含有的过失误差以保证数据校正结果的可靠性 ,提出一种修正系数法 ,利用过程测量数据的时间冗余度对测量数据中可能含有的过失误差进行侦破与识别 ,并对过失误差的大小进行估计。应用实例表明 ,此方法对过失误差的数目、位置等因素并不敏感 ,具有较好的鲁棒性 ,适用于空间冗余度较小的实际问题。     

桥梁时变可靠度指标的改进粒子滤波预测算法

基于健康监测时间序列数据,提出了桥梁动态可靠度指标的改进粒子滤波预测方法.首先,利用监测极值数据建立动态模型,将其作为粒子滤波算法的状态方程和监测方程;然后,采用贝叶斯动态线性模型(BDLM)为粒子滤波器提供随时间更新的动态建议分布,以解决传统粒子滤波算法的样本退化问题,同时增加了粒子滤波算法的鲁棒性及自适应性;进而利用改进的粒子滤波算法(IPF),结合极值监测数据实现结构极值的动态预测,并结合一次二阶矩(FOSM)可靠性方法,实现桥梁结构可靠度指标的动态预测;最后通过在役桥梁工程实例与设计试验对所提模型和方法的合理性与有效性进行验证.     

移动最小二乘增量式多视点云数据融合算法

在散乱数据点移动最小二乘曲面拟合的基础上,提出了一种增量式多视点云数据融合算法.将算法中多视点云数据作为对同一物体表面二维流形的一次采样,采样数据中包含匹配误差、冗余和畸变,把多视点云数据融合问题转换为由包含误差的散乱数据点恢复二维流形的过程.对每一幅当前处理的点云,寻找当前点云与已增量式融合的点云数据的重叠部分,在重叠部分数据集上构造移动最小二乘曲面,将重叠部分的每一个在移动最小二乘曲面上的对应点合并到当前已增量式融合的点云数据集中,从而实现了增量式多视点云数据的融合.实验证明,该算法是一种有效的多视点云数据融合算法,并且可从较大匹配误差、噪声、畸变的多视点云数据中获得较好的融合效果.     

基于扫频滤波器线性调频信号的滤波算法

研究了白噪声环境下线性调频信号的自适应滤波问题.提出一种线性调频信号(LFM)自适应滤波算法.该算法利用分数阶傅里叶变换将LFM信号转化为正弦信号,在分数阶傅里叶域进行自适应滤波,利用分数阶傅里叶反变换得到滤波后的时域信号.分数阶的滤波器可以使用扫频滤波器替代.性能分析表明,该算法的滤波效果取决于自适应滤波器的效果,在使用最下均方(LMS)算法时,步长的选取决定了滤波器的性能,在实际应用中必须按需选取.仿真表明该算法效果明显,计算方便.     

实时数字滤波技术在火电厂数据监测中的应用研究

对火电厂数据的实时监测是精确分析火电厂运行热经济性、准确的重构机组运行状态的基础。由于噪声干扰不可避免,要想从火电厂运行数据中得到准确的机组和设备信息,需要对实时监测数据进行滤波。而实时滤波算法不能用未来的数据来修正当前数据,与传统滤波算法相比有很大限制。一阶滞后滤波法和加权递推平均滤波法可用于实时滤波,本文详细分析了这两种滤波方法的特点,并应用其对正旋仿真数据和火电厂运行数据进行实时处理。通过分析发现,加权递推平均滤波法在应用于仿真及电厂数据实时滤波时,均取得更好的效果。     

基于EKF的无人潜航器航位推算算法

为了解决传感器的安装角偏离误差以及量测误差导致的无人潜航器(AUV)在水下自主航行时不能满足长时间导航定位的要求,对航位推算算法进行了研究.针对AUV在高纬度、长时间航行中曲率半径的变化,采用地球参考椭球体作为地球几何形状的数学描述;针对数据滤波实时性的要求,基于扩展卡尔曼滤波(EKF)对卫星导航系统(GPS)数据进行滤波,并利用AUV湖试数据对传感器的安装偏离误差进行了校正.对提出的导航算法进行了试验验证,结果表明AUV的自主导航定位精度为0.75%,满足设计要求,并优于改进前的航位推算算法.     

基于自组织映射与概率神经网络的增量式学习算法

为解决传统学习算法不能有效利用新可用数据这一不足,提出一种基于自组织映射(SOM)和概率神经网络(PNN)的增量式学习算法——增量式模块化自组织映射概率神经网络(IMSOMPNN)。使用模块化SOM对每类训练数据进行学习,以训练后SOM的原型向量作为此类别的模式神经元来构建PNN。IMSOMPNN可以方便地实现对不同类型的新数据进行增量式学习,并且在进行增量学习时,不再需要利用到原始的训练数据,仅使用新的数据对已有模型进行局部调整;最后,IMSOMPNN还具有较强的抗噪能力。在UCI Landsat Satellite数据集上的实验验证了该文所述方法的有效性。     

新型粒子滤波算法在传递对准系统中的应用

为了提高传递对准非线性系统状态估计中粒子滤波算法的估计精度,提出了一类应用中心差分滤波(CDDF)算法产生粒子建议分布的中心差分粒子滤波(CDDPF)算法.该算法应用Stirling插值公式逼近非线性函数,用Cholesky分解确保误差方差阵正定性,获得滤波稳定数值计算;应用CDDPF算法生成粒子建议分布,能够融合最新量测信息;最后应用新算法对传递对准系统模型进行最优滤波,CDDPF算法数值计算稳定性优于UKPF算法,状态变量估计精度得到明显提高.     

基于改进LMS自适应滤波的局部放电噪声抑制方法

为了解决局部放电测量现场中信号淹没在周期性窄带干扰中的问题,文中提出一种应用于变压器局部放电在线监测系统的改进变步长最小均方(least mean square, LMS)自适应滤波算法,通过构造一个新型滤波函数结合实际情况中AD芯片量程自适应调整步长,解决了传统LMS算法需要阶数和步长匹配、收敛性差、容易发散的缺点。通过改变滤波器阶数和参考信号时延,分析改进算法收敛速度及稳态误差,并对测试中发现时延为0的特殊情况进行了讨论分析,为高信噪比自适应滤波器设计提供了参考。改变新方法初始迭代步长同传统固定步长LMS算法的迭代过程进行了仿真对比,证明了新方法具有收敛速度快、不易发散的优点。最后,通过实验室搭建的变压器局放在线监测装置,对比分析了实测数据下传统LMS算法与本文算法的不同效果,通过对信噪比(SNR)、均方误差(MSE)和波形相似系数(NCC)三种指标对比,验证了新方法的优越性。     

一种基于聚类分析的3MAD-MMMD过失误差侦破方法

软测量建模时所使用的数据集中若含有过失误差,将在很大程度上影响所建模型的精确度.因此,在建模之前,针对建模所使用的数据集,提出了基于聚类分析的集成3MAD-MMMD过失误差的侦破方法.在采集无缝钢管穿孔过程中不同变量不同时刻的数据后,将其排列成数据矩阵.首先运用3MAD算法剔除其中的单变量大误差得到新的数据矩阵,之后采用欧氏距离公式求得新矩阵中同一变量的数据到其最近点的距离,最后以所有变量最近距离的中位值dmed为检测标准,对新的数据矩阵进行过失误差侦破处理.实验和仿真图表明,3MAD-MMMD侦破方法有效地剔除了采集数据中的过失误差.     

光纤陀螺零漂数据建模与滤波的研究

在对闭环式干涉型光纤陀螺零漂数据建立时间序列模型(ARIMA模型)的基础上,采用卡尔曼滤波算法对闭环式干涉型光纤陀螺零漂数据进行滤波处理,并通过功率谱密度分析卡尔曼滤波算法的滤波效果,同时采用Allan方差法解算滤波前后的零漂数据的各项噪声源误差系数,并通过各项噪声源误差系数分析滤波效果。     

基于改进交叉双边滤波的红外与可见光图像融合算法

针对传统交叉双边滤波(CBF)算法在红外与可见光图像的融合过程中存在的噪声以及细节信息缺失等问题,提出一种基于非下采样剪切波变换(NSST)和特征提取来改进交叉双边滤波的图像融合算法.首先,应用NSST对两幅源图像进行处理,计算源图像与处理后图像的差值图像,并将差值图像叠加到源图像得到两幅预处理图像.其次,对两幅预处理图像进行交叉双边滤波,并与其计算差值融合得到细节图,对细节图和预处理图进行加权平均融合,得到初步融合图像,应用直方图均衡化和中值滤波对两幅源图像进行特征提取得到两个特征图,并采取绝对值取大融合特征图.最后,对融合后的特征图与初步融合图像取平均得到最终的融合图像.实验结果表明该算法在视觉效果和评价指标上均明显优于传统的融合算法.     

一种基于受电弓图像的混合滤波算法

针对受电弓图像采集中的混合噪声问题,提出一种基于ABDND算法与改进均值滤波算法的混合滤波算法。将中值滤波算法与ABDND算法进行结合,对原始图像中的脉冲噪声进行抑制,针对均值滤波算法提出了一种改进方法,将该方法用于对高斯噪声的抑制,从而消除了受电弓图像中的干扰噪声,并通过均方差误差(MES)和峰值信噪比(PSRN)双重指标对滤波算法性能进行验证。结果表明:该算法能够有效滤除混合噪声,具有算法简单,优于传统滤波算法的特点。     

基于矩阵策略的不完备混合型数据增量式特征选择算法

特征选择是粗糙集理论在数据挖掘等领域中一种重要的应用,如何对动态变化的信息系统进行增量式特征选择是目前粗糙集理论研究的重点。在不完备混合型信息系统中,属性集的不断增加是信息系统动态变化的一种重要形式。首先在不完备混合型信息系统中引入邻域条件熵的概念,并且利用矩阵的方法去表示邻域条件熵;然后针对属性集动态增加的情形,提出矩阵形式的邻域条件熵增量式更新,并且基于这种增量式更新机制给出了相应的增量式特征选择算法;最后,UCI数据集的实验结果表明,所提出的增量式特征选择算法比非增量式特征选择算法具有更高的特征选择性能。     

带修正值的四阶Adams-Bashforth-Moulton 预测-校正算法

本文对四阶Adams-Bashforth-Moulton(ABM)预测-校正算法进行改进,获得了带修正值的四阶ABM预测-校正算法;通过数值算例运用MATLAB语言对它们的计算结果与精确解的误差进行比较。结果表明:带修正值的四阶ABM预测-校正算法的误差更小,有一定的应用价值。     

基于自适应UKF的锂离子动力电池状态联合估计

针对由静态的电池模型参数而造成的状态估计累计误差、噪声统计特性的时变不确定性等实用化的问题,基于无迹卡尔曼滤波(unscented Kalman filter, UKF)框架设计了一种自适应UKF的电池状态联合估计算法.在无迹变换(unscented transform,UT)时,对量测方程进行准线性化处理,降低了循环迭代过程中的计算开销;利用带遗忘因子的Sage-Husa自适应估计方法对过程噪声的统计特性参数进行递推估计与修正,提高了UKF估计算法的自适应容错能力;实时跟踪滤波的收敛性,若呈发散趋势时,通过自适应衰减因子对误差协方差进行调整以抑制滤波发散,保证了滤波过程的数值稳定性;采用联合估计策略对一阶Thevenim电池欧姆内阻模型参数进行在线更新,以确保动态测试工况下电池模型的准确性,从而提高了电池荷电状态(state of charge,SOC)以及电池健康状态(state of health,SOH)的估计精度.实验与仿真结果验证了该电池状态联合估计算法的可行性与有效性.     

反正切函数联合参数的凸组合最小均方滤波算法

为解决传统最小均方自适应滤波算法联合参数λ(n)运算量大、收敛速度慢的问题,提出一种基于修正的反正切函数的凸组合最小均方滤波算法,并应用Matlab软件对不同信噪比算法进行仿真比较。结果表明:该算法在保证运算量的前提下,能够加快算法的收敛速度及减小其稳态误差。反正切函数联合参数的凸组合最小均方滤波算法具有更好的滤波性能。     

基于GA-BPNN的自适应抗野值无迹Kalman滤波方法

为了满足飞行试验轨迹的试验测量需求,构建了一种高性能飞行试验目标轨迹测量系统.在此基础上,针对实际飞行测量中遇见的异常数据处理问题,提出了一种基于多机器学习改进的自适应Kalman滤波方法.该方法以传统的无迹Kalman滤波器(UKF)为基础,首先,通过引入采用遗传算法改进后的BP神经网络(GA-BPNN)来改进UKF算法,以实现对UKF全局误差的调控和修正,从而改善UKF的估计精度;然后,应用抗野值技术来充分剔除测量中的孤立型和斑点型异常点,实现对GA-BPNN-UKF的再次改进,有效提高滤波的鲁棒性;最后,应用仿真来验证提出新算法的有效性,并通过对实际飞行测量数据(通过建立的轨迹测量系统获得的实际数据)的实验分析来显示算法在实际应用中的有效性.     

一般全结构模型预报误差的递推算法

预报误差的高斯一牛顿迭代法具有收敛快、无偏性和数据稳定性好的特点。L.Ljung 导出了算法的增益矩阵 L(f)在全结构模型中各多项式阶次相同的条件下盼快速算法。但在实际应用中,各多项式的阶次不可能相等,使 Ljung 的方法的应用受到了限制。本文推导了各多项式阶次不等时的增益矩阵 L(f)的快速算法,从而使预报误差递推算法更便于实时处理的应用。