概率比检验中的时间序贯方法

在概率比检验中加入时间序贯的考虑,对指数模型有随机进入时间及有截断数据的情形提出了时间序贯检验的方法,并对概率比 有无时间序贯考虑的两种情况下的检验结果进行民比较,给出了计算机模拟结果。     

截尾序贯设计的若干改进方案

考虑检验边界为动点的截尾序贯设计方案,其具有较序贯概率比检验等方法更多的选择,对2类风险也有公式进行计算.在已有序贯检验方案的基础上,利用穷举的方法,改进了部分截尾序贯检验方案.     

多基因融合小电流接地故障选线方法

为解决目前单一判据选线方法中存在的可靠性低、选择性差和对电网结构适应能力低的技术问题,提出了基于遗传算法的小电流接地故障选线方法.算法通过对基于系统故障稳态参数选线的有功功率选线法和无功功率选线法,以及基于暂态参数的小波分析选线法的融合,获得高可靠性小电流接地故障选线判据.算法利用不同选线方法的基因概率进行编码形成初始种群,通过对种群基因的选择、交叉、变异运算,求得最优染色体串,译码后得到故障线路信息.从系统仿真结果看,该方法具有可靠性高、选择性好的特点,并且对不同结构的电网具有很好的适应能力.     

计数型序贯网图检验

针对序贯概率比检验(SPRT)无法控制抽取样本量等不足之处,提出了一种改进的抽样检验方法-----序贯网图检验. 该方法的要点是在原SPRT问题中插入一系列检验点,将单个检验问题拆分为若干对假设检验的问题. 计算表明,新方法比SPRT有明显的改进; 与国际公认的抽样标准IEC 1123所建议的截尾序贯概率比检验方法比较,其改进是全方位的.     

基于瑞利分布的计量型序贯网图检验

针对瞄准发射系统中着落点位置通常服从瑞利分布的事实,研究了计量型检验问题,建立了基于瑞利分布的序贯网图检验.采用搜索和迭代的计算机程序,可以得到计量型序贯网图检验方案.通过实例将序贯网图与计量型定数检验和计量型序贯概率比检验进行比较.结果显示,计量型序贯网图检验在减小最大样本量方面有更好的效果,更适用于高成本的抽样检验.     

基于因子分析和序贯概率比检验的结构损伤识别

提出一种基于因子分析和序贯概率比检验的结构损伤识别方法。基于健康监测数据提取的结构状态特征不仅受结构状态的影响,而且受环境因素、测量噪声、分析误差的影响。当影响结构状态特征的环境因素未知或者不能完全测量时,基于因子分析可以提取结构状态特征场的公共因子作为环境影响效应的映射,并结合序贯概率比检验识别结构损伤。首先对因子分析的基本理论进行介绍,并建立因子分析的矩阵扩展法,在此基础上讨论基于Mann-Whitney秩和的序贯概率比检验的结构状态判别。最后通过1个斜拉桥的数值算例验证方法的可行性,结果表明该方法能够准确地识别较小的结构损伤。     

一种基于自适应粒子滤波的多层感知器学习算法

针对神经网络状态空间模型中系统噪声统计特性未知导致滤波发散或者滤波精度不高的问题,提出一种自适应的粒子滤波神经网络训练算法.该算法用粒子滤波估计网络的权时,利用序贯更新先验信息的序贯可信度最大化方法在线估计未知系统噪声方差.仿真结果表明:该自适应粒子滤波算法明显优于其他传统的神经网络训练算法,如扩展卡尔曼滤波、噪声可调的扩展卡曼滤波、普通粒子滤波等.     

概率假设密度滤波的谱聚类目标状态提取方法

提出了一种谱聚类目标状态提取方法来实现概率假设密度(PHD)滤波中序贯蒙特卡罗(SMC)实现方式的多目标状态估计.该方法利用PHD滤波SMC实现方式输出的大量的加权粒子点间的相似度关系建立相似矩阵,通过变换得到拉普拉斯矩阵,进而对拉普拉斯矩阵进行特征分解,以实现粒子点的聚类,再在每类中寻找粒子的聚类点作为多目标状态的估计值,同时为了减小计算量,利用Nystrm逼近方法求解特征向量.仿真实验表明,PHD滤波的谱聚类目标状态提取方法的估计精度比k均值目标状态提取方法提高了60%以上.     

基于BP神经网络的小电流接地故障选线方法

针对电力系统出现的小电流接地故障,提出一种利用BP神经网络对暂态主频分析的选线方法.该方法提取各出线初始零模电流暂态主频的实部、虚部,利用BP神经网络实现故障线路的选取.使用建模软件ATP-EMTP建立小电流接地故障模型,对各条线路分别设置不相同故障状态(故障距离、过渡电阻和故障初相角)进行仿真,得到BP神经网络所需训练样本和测试数据,利用MATLAB进行编程实现神经网络的学习与训练,实现非线性映射.再利用训练好的神经网络模型对小电流故障接地故障进行选线.仿真结果表明,采用本方法可以很好地完成小电流故障接地系统的选线.     

序贯检验的构造及原理

序贯检验是根据一定的规则逐个抽样,以较少的不定的抽验量推断拒绝或接受零假设的检验法.本文阐述了序贯检验的数学模塑和构造、给出了以概率1终止的条件,概率比序贯过程是随机变量z=log(f(x;θ_1)/(f(x;θ_0)),是非退化的,文章之末用近似方法给出了在犯两类错误的概率之和不增加的条件下,构成该检验的边界常数.     

基于键合图模型的机车制动系统故障检测与隔离

针对机车制动机列车管压力控制模块,采用键合图理论开展了动态建模分析,由建立的故障键合图模型推导出相应的解析冗余关系,提取出完整的故障特征矩阵.利用序贯概率比检验方法对采集的监测数据进行连续判读,实时跟踪识别工况下的系统异常状况,并将得到的残差状态向量同故障特征矩阵进行匹配,实现对故障部件的检测与隔离.仿真实例验证了建议方法的技术可行性.     

基于雷达和红外的序贯粒子PHD滤波融合算法

针对粒子概率假设密度(PHD)滤波算法在虚警、漏检情况下,目标状态估计不稳定和目标可观测性较弱的问题,提出了一种基于序贯融合的粒子PHD滤波方法,利用雷达和红外传感器多目标进行融合跟踪.其基本思想是先对红外传感器进行粒子PHD滤波,再将红外传感器滤波结果作为雷达的预测值,然后利用雷达观测的数据进行更新,这样通过雷达和红外传感器交替工作保证目标状态的可观测性,从滤波器输出结果即可得到目标的状态信息.仿真结果表明,在虚警、漏检和密集目标环境下,该方法是有效的和稳健的.     

基于粒子滤波的分布式智能故障诊断系统研究

针对传统故障诊断系统硬件结构以及故障识别算法过于复杂的问题,提出并研究了一种基于粒子滤波的分布式智能故障诊断系统.该系统采用ZigBee无线传感网络实现系统分布式多变量参数的实时采集,基于粒子滤波算法在线处理各变量数据,并基于简易模式识别算法获得系统真实状态的准确估计,实现系统故障的智能诊断与故障预示.智能故障诊断系统由ZigBee无线传感数据采集网络、粒子滤波算法、系统状态模型和故障模式识别四部分构成.粒子滤波算法基于粒子序贯重要性重采样和蒙特卡洛方法对传感器采集数据滤波,抑制或消除干扰及显著性误差对系统状态估计的影响,可避免粒子退化.故障模式识别就是求取与粒子滤波输出的系统状态估计曲线残差之和最小的系统状态模型.智能故障诊断系统的实现和实例实验结果表明该系统能实现对象的远程监测、对象状态的精确估计、对象故障的准确诊断,拓宽了分布式传感网络的应用范围,并具有成本低、可靠性高、实时性好和易实现的优点.     

差动式小电流单相接地故障选线

针对小电流接地系统发生单相接地故障时,故障识别可靠性低,灵敏度差等问题,提出一种差动式拓扑结构,研究其故障选线的原理及方法.该方法通过引入补偿支路,实现补偿支路前后零序电流测量值产生差异,根据差异的特征实现对故障的识别,以此作为故障选线判据.利用Matlab对小电流接地系统单相接地故障进行仿真分析,并得到满足电力系统安全性的最佳补偿方式;同时搭建电力系统模型,通过模拟实验验证选线判据的可行性和有效性,结果表明,故障线路与非故障线路差动特征值存在差异,可以准确识别故障线路,对提高配电网供电可靠性,降低故障影响,提高电能质量,减少故障损失具有重要意义.     

莱维分布在粒子滤波上的应用

结合莱维飞行的运行机制提出了用莱维飞行来优化粒子滤波算法.首先,初始化粒子并用序贯重要性采样(SIS)给粒子赋权值;然后,对于单个粒子用Levy飞行搜索后验概率的高似然区域和低似然区域,并记录粒子在所经历搜索区域的权值;最后把所有粒子搜索到的权值最大位置的粒子作为当前状态的估计值.笔者所提出的算法在粒子滤波的重采样阶段,不再用权值大的粒子来取代权值小的粒子,从而解决了粒子贫化的问题.     

基于Unscented卡尔曼滤波新息的多变量序贯概率比检验故障检测方法

针对非线性多变量过程监控问题,提出一种基于预测新息的多变量序贯概率比检验(SPRT)方法.首先利用Unscented卡尔曼滤波(UKF)基于正常过程模型预测输出值,将预测输出值与过程测量得到的实际输出值对比产生预测新息,然后引入多变苣SPRT方法分析多元新息的统计特性,构造对数概率似然比判决函数和判决规则,监控过程的运行状态并对故障状态进行报警.在连续搅拌反应器上的仿真应用结果表明,所提出的故障检测方法能够有效实现过程监控,比传统的残差加权平方和方法误报率低、检测速度快.     

全频带小波能量相对熵的小电流接地系统故障选线

为了提高小电流接地系统中故障选线方法的精度和鲁棒性,在详细分析系统暂态零序网络故障特征后,提出基于全频带小波能量相对熵的小电流接地系统故障选线方法.利用小波变换技术对信号特征的放大作用以及小波相对熵对信号细微差别的超强辨识能力,首先对各条线路故障后零序电流的一个周波采样数据进行小波多尺度分解,并对分解后的小波系数进行单支重构;然后利用单支重构后的系数计算各条线路在各个频带下的小波能量权重系数,构造出各条线路的全频带小波能量相对熵矩阵;最后比较小波能量综合相对熵值的大小进行故障线路选择.在仿真模型中随机设置不同的故障位置、故障角、过渡电阻、电弧接地等参数,仿真选线正确率达到100%.理论分析和大量的仿真结果表明,该故障选线方法具有很强的适应性,能够在各种情况下实现正确选线.     

小电流接地选线装置的现状及发展趋势研究

应用小电流接地选线装置,当系统出现单相接地故障时,不会对系统电压对称性造成破坏,且故障电流较低,可以保护供电设备.当前,小电流选线装置多是在稳态分量法及谐波分量法原理的基础上发展而来,其选线判断依据十分单一,逐渐无法满足电力系统运行方式多变,接地故障类型复杂化及异常化发展的趋势.为此,提出小电流接地选线装置发展趋势的研究.结合多种新型智能选线判据,改进选线方案,提高选线准确性及技术水平是小电流接地选线装置未来发展的主要趋势.     

基于本地测量的小电阻接地系统高阻接地故障选线方法

为解决小电阻接地系统高阻接地故障选线失灵问题,本文依据故障馈线与健康馈线在其始端本地测量的零序电流相量实部符号差异,提出了一种基于本地测量的高阻接地故障选线方法。首先,建立了小电阻接地系统的故障零序等效网络,对故障零序电流特征进行理论分析;然后,推导了故障馈线与健康馈线的零序电流相量实部特征,并利用其符号差异作为选线依据,避免了时间同步精度的影响。最后,通过仿真分析验证了本文所提方法对高阻接地故障选线的有效性,且验证了所提方法对电弧故障的适用性。     

基于随机子空间的小电流接地系统故障选线

小电流接地系统单相接地故障选线问题虽已经研究多年却一直未能很好解决,严重阻碍了配电网供电可靠性和自动化水平的提高。本文将随机子空间辨识方法引入到小电流接地故障选线的应用中,对故障产生的暂态信号分量所提供的故障信息加以利用,用EMD对含噪信号进行平滑处理后,作为SSI的输入量,通过故障后各线路零序电流振荡过程中的相位关系来实现故障线路的选择。通过ATP仿真结果的计算与分析充分验证了随机子空间辨识理论在小电流接地故障选线中的有效性。