基于极限学习机的某型雷达接收机故障诊断方法研究

基于传统故障树理论的某型雷达接收机故障诊断存在重复诊断问题和不确定性因素,以及基于传统智能学习方法的该型雷达接收机故障诊断存在着一些难点需要克服,例如训练速度慢,参数多,参数确定困难。根据上述原因,论文提出了基于极限学习机(Extreme Learning Machine,ELM)的该型雷达接收机故障诊断方法。文中根据该型雷达接收机故障的特点分析了激活函数对诊断性能的影响,并与基于BP神经网络的诊断方法和基于支持向量机(Support Vector Machine,SVM)的诊断方法进行了对比。通过仿真实验的结果对比可知,在训练时间差不多的情况下采用激活函数Sigmoid时,故障诊断的准确率最高;同时在该型雷达接收机故障诊断应用性能的比较上,ELM具有更多优势,ELM比BP神经网络的训练时间短,比SVM所需设置的参数少,此外在故障诊断的准确率上优于BP神经网络和SVM。所以比基于BP神经网络和基于SVM的诊断方法更加适合于该型雷达故障诊断。

5G通信技术在水文自动监测中的应用前景分析

随着移动通信技术的发展,5G移动通信网络将提供高速率、低延时、大容量的可靠连接,为水文监测信息化与智能化提供一个理想的解决方案。简要分析了水文自动监测系统中常用的几种通信技术,重点从传输速率、带宽、时延等方面对比分析了5G与目前在水文领域已广泛使用的4G无线通信技术之间的差异。同时,结合5G在RISMAR-U型雷达测流系统和其他水文多要素监测系统中的应用优势,详细阐述了5G通信技术在水文自动监测领域的显著优势及良好的应用前景。研究成果可为今后水文监测信息化、智能化的建设提供借鉴。

超声波时差法流量实时在线监测系统的实现及应用分析

以金沙江重要控制站攀枝花水文站为例,简述了超声波时差法测流技术的原理及应用情况,通过构建时差法流量实时在线综合监测系统,实现了对流量数据的自动采集、存储和分析处理,良好实现了无人值守工作模式下精准测流。

神经网络在组合式ADCP在线测流系统中的应用

针对长江下游感潮河段受潮汐影响导致流量测报精度不高的问题,分析探究了多元线性回归模型和BP神经网络模型利用ADCP流速指标推算断面平均流速的适用性。以南京水文实验站2020~2021年实测6组全潮测验数据为例,设计了3种研究方案,分别对比分析了多元线性回归模型和BP神经网络模型的精度。结果表明:仅考虑ADCP指标流速而言,BP神经网络模型推算精度更高。同时,适当增加相关训练数据类别能够获得更好的拟合效果。研究成果可为神经网络模型与传统水文测验方法相结合提供研究思路。