SeaWinds散射计海面风场模糊去除方法研究

利用最大似然法（MLE）对SeaWinds散射计数据反演得出的风矢量,一般存在2～4个模糊解,故需采用圆中数滤波法进行模糊去除。根据SeaWinds散射计第一模糊解的空间分布特性,归纳出一套适合SeaWinds散射计的模糊去除方法,并在理论上探讨了其适应性。该方法的圆中数定义简单,计算量小,且易于收敛。利用美国NASA提供的部分L2A原始数据对该方法进行验证的结果表明,对于简单风场分布情况,该方法在没有其他参考数据进行初始化的条件下,能有效解决SeaWinds轨道边缘区域的块状模糊问题。     

LS-J731机载雷达散射计的内部校准

采用饱和方波注入式的PIN调制器可以实现LS-J731机载雷达散射计的实时内校准,但在高空条件下测量弱反射地物时,对M值实时采集将出现困难。本文提出的对M值的时分采集法可以实现大范围M值的测量,并阐明采用此方案后对系统的采样数据和校准精度不会产生影响。     

海浪波谱仪微波散射模型

【目的】建立与观测数据相符的海浪波谱仪(SWIM)散射模型。【方法】利用Kirchhoff近似以及准镜面散射理论,建立从海浪方向谱映射到海浪波谱仪后向散射截面(σ°)的散射模型,并利用热带降雨测量卫星(TRMM)所搭载的降雨雷达(PR)提供的低入射角下的后向散射截面数据,对模型进行检验。【结果】准镜面散射模型结合高阶Gram-Charlier级数型海表斜率概率密度函数,模拟的雷达后向散射截面与入射角的关系在降雨雷达的0~18°入射角范围内与实测数据一致。【结论】海浪波谱仪的信号散射可利用准镜面散射模型结合高阶Gram-Charlier级数型海表斜率概率密度函数来描述。     

波束入射时一维动态粗糙海面的电磁散射

基于粗糙面散射场积分方程,采用目前较为普遍的前、后向加速迭代法来求解具有Pierson-Moskowitz谱的动态导体粗糙海面的波束散射问题,数值计算后向散射截面的角分布,讨论了波束和平面波入射时动态海面在不同尺度、采样间隔及不同风速下的散射截面的变化,尤其对掠入射散射做了讨论,得到了平面波和波束入射时后向散射截面随掠入射角近四次方的变化关系。     

多子波神经网络的预滤波

函数的采样值进行预滤波处理后作为多子波神经网络的初始权值,明显地改善了多子波神经网络的逼近性能,提高了训练速度．     

基于FLANN的磁通门总场梯度计误差校正

针对磁通门磁力计轴间非正交、对应轴指向偏差、灵敏度不一致及零点漂移所引起的误差会降低总场梯度计的测量精度问题,建立了磁通门总场梯度计的测量误差模型,提出了一种基于函数链接型神经网络(FLANN)的总场梯度计误差校正方法,将2个磁场力计实际输出分别通过校正模型以构成理想的2个三轴磁力计,使输出与待测量一致.数值仿真及实验测试均证明了校正方法具有良好的收敛性,能显著地抑制总场梯度测量误差.     

生物组织散射相函数实验的研究

介绍了相函数在建立生物组织模型中的作用,分析了在测量生物组织散射相函数时存在的问题．利用Mie氏理论对不同偏振方向的偏振光被生物组织粒径范围内的单粒子散射后,在观测平面上的散射光强进行计算、比较得出结论：偏振光的偏振性对测量生物组织散射相函数的影响较大,通过实验方法获得精确的相函数时,要注意对所用实验光源偏振性的选择。     

权值直接确定的三角型模糊前向神经网络

为了确定前向神经网络的网络结构,提出了一种基于采样数据的含单隐层神经元的模糊前向神经网络,反映了构造数据所蕴含的系统信息,其隐层神经元激励函数选择为三角型隶属函数和构造数据相应输出的乘积。该网络模型可以随采样数据的多少自主选择构造数据,自主设定隐层神经元,利用权值直接确定法得到网络最优权值。数值仿真实验表明,相比于现有文献的已有网络模型,模糊前向神经网络具有逼近精度高、网络结构可调、较好的预测性和实时性高的优点。     

基于YSPSO-ＲBFN 的布里渊散射谱特征提取

为提高提取到的传感布里渊散射谱的布里渊频偏量的精度,利用压缩因子粒子群优化算法调节权值的ＲBFN( Ｒadial Basis Function Net) 径向基函数神经网络对布里渊散射谱进行特征提取。提出的算法克服了传统ＲBFN 神经网络易于陷入局部极值的缺点,利用PSO( Particle Swarm Optimization) 算法调节权值后向传输网络,对布里渊散射谱进行精度提取,保证了求解的速度和精度。数值分析过程中,利用新型结合算法在不同线宽和不同信噪比大测量范围情况下的散射谱进行参数估计。通过实验获得不同温度下的布里渊散射谱数据,利用YSPSO-ＲBFN( Particle Swarm Optimization with Shinkage Factor Shirnhage Factor-Ｒadical Basis Function) 算法处理实验数据,结果表明,该算法可提高布里渊散射谱特征提取的精度,25 ℃下拟合误差为1． 99 MHz,温度升高拟合误差也在减小。在85 ℃时的频移拟合误差为0． 047 MHz。因此,将该算法用于布里渊散射温度和应变传感系统,可有效提高检测精度。     

GMF双层膜几何非线性变形模型及实验研究

超磁致伸缩薄膜(GMF)在磁致伸缩效应下的变形具有明显的几何非线性特征,应用几何线性理论描述GMF的应力应变及本构关系存在较大误差.结合几何非线性弹性理论,并将磁致伸缩效应等效为GMF上体积力作用下的变形效应,建立了GMF双层膜的几何非线性变形模型,推导出了GMF在磁场作用下的挠曲线方程.用泰勒级数法求得了挠曲线模型的数值解,采用悬臂梁式超磁致伸缩双层膜(TbDyFe-Polyimide(PI)-SmFe和TbDyFe-Cu-SmFe)对模型进行了实验验证,结果表明,所提出的几何非线性挠曲线模型与实验结果具有较好的一致性.     

天波超视距雷达一阶海杂波后向散射特性分析

为了得到天波超视距雷达一阶海杂波后向散射系数变化范围及总体变化规律,以及雷达频率、海面风速、风波角、海浪有向波高谱关于海面风向的扩展程度等各参数对一阶海杂波后向散射的影响规律,针对天波超视距雷达探测的特点,引入Barrick等给出的高频雷达一阶海杂波后向散射系数模型,运用仿真分析的方法得知,无向幅度谱达到饱和时,一阶海杂波后向散射系数大概在-39 dB--14 dB,无向幅度谱未达到饱和时,一阶海杂波后向散射系数范围在-460 dB--18 dB,且频率与风速的相对大小决定了探测环境处于饱和区或非饱和区,又进一步仿真分析雷达频率、海面风速、风波角、海浪有向波高谱关于海面风向的扩展程度等参数对一阶海杂波后向散射的影响,得出各参数对一阶海杂波后向散射影响的规律,这对天波雷达目标探测策略及高频海杂波建模和滤除有指导意义.     

基于GWO改进神经网络的风致输电杆塔响应计算方法

针对基于有限元方法的风致输电杆塔仿真模型存在模型参数设置复杂、响应速度低下等问题,本文提出了一种结合杆塔仿真计算与机器学习的杆塔应力快速计算方法,实现了风致输电杆塔仿真模型的高效运算。本文首先利用有限元仿真分析10~35 m/s风速0~90°风向下输电杆塔的应力结果,将其作为神经网络训练样本;分析杆塔本征参数及气象因素对杆塔应力结果的影响,提出一种基于风速、风向和塔材类型等因素的特征值选取方法;利用GWO优化算法提高神经网络准确度,建立基于GWO-BPNN的杆塔风致应力计算模型,计算速度可达建模仿真的10倍以上。在准确率上,基于数据集划分训练集及验证集,模型准确率在98%以上,将计算结果与实际杆塔受灾情况相比情况一致。本模型可用于输电线路防风预警,致力于输电线路防灾减灾。     

基于遗传神经网络算法的海面风速反演新方法

针对海面运动的复杂性、海面电磁散射理论模型的局限性以及利用SAR图像反演海面风速存在的非线性现象,基于遗传神经网络的方法,以业务化的CMOD4模式函数数据为基础,采用Fletcher-Reeves算法的变梯度反向传播算法,建立一种SAR风速反演的新模型。试验结果表明,利用遗传神经网络方法反演海面风速是可行的,当随机误差小于10%时,模型的抗噪能力较强,风速反演的精度较为理想。比较不同风速下的反演结果可以发现,在中、小风速的情况下,模型的抗噪能力较强,模型学习拟合和预测检验的精度相对较高;在大风速的情况下,模型的反演能力有待于进一步提高。     

QuikSCAT风矢量资料在黄海洋面的真实性检验及应用

为弥补黄海海域缺乏洋面风实测资料,提高该海域海洋大风预报能力,本文对NASA QuickSCAT极轨卫星的10m散射风原始轨道资料和江苏近海黄海区域海洋站风资料进行了对比,并对QuickSCAT风应用于沿海大风预报的能力做了研究。结果表明,QuickSCAT散射风原始轨道资料在江苏近海区域具有可信性：江苏近海海洋站与QuikSCAT风速误差为-0.01m/s,散射计风速略低于海洋站的风速;两者风向偏差为2.31?。利用QuickSCAT矢量风和海洋站实况的订正关系对热带气旋大风圈范围和强度预测做了尝试性工作,表明QuickSCAT散射计矢量风资料对江苏近海区域强风有很好的预报能力。     

基于量子粒子群-径向基神经网络模型的风速预测

风速预测对风电场和电力系统的运行都具有重要意义.为了提高风速预测的精度,提出了一种基于量子粒子群-径向基神经网络模型,在确定网络隐含层节点数后,将RBF网络的参数编码成优化算法中的粒子个体进行优化,在全局空间搜索最优适应值的参数.用优化后的神经网络进行风速预测,实例结果表明该算法在预测速度和精度上都得到了提高.     

人工神经网络预报浮游植物生长趋势的研究

提出用人工神经网络预报赤潮多发海区浮游植物生长趋势,并以１９９８年４～５月大亚湾澳头港实际监测数据为对象,以采样深度、水温、盐度、ｐＨ、ＤＯ、ＣＯＤ、浊度、营养盐、叶绿素ａ、微量元素、总碱度、气温、气压、风速、风向、光照、潮汐、总细胞密度等为参数,试验了工人神经网络的效果。结果表明,人工神经网络可望成为赤潮预报的有效方法。     

基于粗糙集和RBF神经网络的风电场短期风速预测模型

结合粗糙集提出了一种RBF神经网络短期风速预测模型。采用粗糙集对预测模型的输入特征空间进行约简,找出对未来预测的风速具有主要影响的因素,以此作为RBF神经网络预测模型的输入变量;在RBF神经网络训练的过程中,采用在线滚动优化策略,将最新的样本加入训练集,从而使预测模型能够跟踪风速的最新变化。将提出的方法用于某风电场的1 h短期风速预测,仿真实验结果表明该方法具有结构简单、预测精度高的优点。     

用BP网进行变速风力发电机组控制分析

传统的控制需要精确的风力发电机的数学模型,而因为空气动力学的不确定性和电力电子的复杂性,使风力机系统精确模型难以建立,特别是在风速突变以及有扰动存在时,风力机的控制和分析很复杂;为了克服这一困难,用神经网对变速风力发电机组进行控制;设计功率系数曲线的BP网模型及最佳桨距角的BP网模型,在低风速时跟随风速获得最大功率系数,高风速时保持功率最大并在允许范围内.在MATLAB环境下给出了用BP网对变速风力发电机控制的仿真模型和仿真结果,显示采用神经网控制器控制有很好的抗风速突然波动的作用,能有效地抑制扰动.     

Ku波段散射计近场海浪标定探测的多参量自动采集与处理系统

近场海浪后散射的标定探测，研究海况特征要素，目前仍是无线电海洋学界十分关注的课题。近场标定探测存在多信道参量信号同步采集与处理的难题。本文在分析近场海浪后散射统计特征的基础上，提出适于近场的散射计、Ｃ／ＦＭ波高计和测风计同步采集和相关处理的新方法，发现这些数据群有强相关统计特征的谱密分布和准高斯分布，并为海表统计散射特征反演海表波场和风场提供颇有价值的数据。