基于前向线性预测理论的混合电力滤波器谐波电流预测方法

对谐波电流进行预测是提高混合电力滤波器补偿效果的有效方法。提出基于前向线性预测理论的混合电力滤波器谐波电流预测方法。推导出最佳预测系数正则方程、谐波电流最小预测误差和阶更新方程,给出1～3阶滤波器的预测系数和最小预测误差值。该方法能根据当前电网或负载的谐波电流和历史经验数据,计算出下一时刻的谐波电流,通过自适应预测控制策略实现最小误差补偿。仿真和实验结果表明,该方法具有预测精度高、快速跟踪能力强和补偿效果好等特点。

基于前向空间线性预测的声源时延估计算法

在带有混响和噪音的复杂环境中,传统广义互相关时延估计算法的抗噪能力弱、时延估计精度低。为解决该问题,基于前向空间线性预测技术,提出一种时延估计算法。结合多传感器提供的冗余信息与空间相关矩阵,改进不利声学环境下的声达时间差估计方法。采用空-时预测法,根据麦克风阵列输出中包含的语音信号源的空间和时间相关性,在抑制多麦克风噪声的同时最小化语音失真。仿真实验结果表明,与传统广义互相关时延估计算法相比,该算法时延估计错误率更低、稳定性更强。

波前斜率探测的线性预测方法

由于自适应光学技术校正大气湍流有一定的延迟时间 ,这将降低系统的校正性能 ,主要表现为波前斜率探测的采样率不足 ,使得系统的带宽有限而不能完全补偿有一定功率谱的湍流大气。研究了两种工作方式下的线性预测方法 ,结果显示 ,如果采用线性预测方法 ,在同样的延时条件下 ,可以减小波前斜率的 MSE误差 (由延时引起 )约 30 %。

基于前向线性预测的光纤陀螺信号小波分析方法

根据光纤陀螺输出信号中存在漂移误差和噪声的特点,在采用小波降噪的基础上,提出将自适应前向线性滤波技术用于小波系数处理,能够更加有效地抑制陀螺漂移噪声。实际测量数据处理结果表明,这种综合的小波滤波方法在不增大小波分解尺度的情况下可以进一步改善滤波效果,并且计算量没有明显增加。滤波后既能获得平滑信号,也真实反映了信号的边界和趋势。

硅微陀螺信号处理方法——基于前向线性预测小波变换方法

为补偿漂移误差对硅微陀螺的测量精度造成的损失,针对漂移误差易受外部环境噪声影响的特点,提出了一种基于前向线性预测(FLP)的小波变换(WT)处理方法——DWT-FLP 算法,并通过硅微陀螺试验对其进行了验证。该方法利用快速小波变换算法进行信号的小波分解和小波重构,并将 FLP 方法用于小波分解系数的重构,比较显著地提高了重构信号的精度。对于4尺度的 db4小波变换,40阶 FLP 的滤波方法可以将硅微陀螺静态漂移的标准差提高4.8倍,动态测量过程信噪比可以提高6.5dB,并且该算法的实时性也可以满足实际工程的需要。

川南页岩气田L区块页岩脆性指数叠前地震定量预测

页岩脆性指数是页岩气压裂设计中应考虑的关键参数之一。以川南页岩气田L区块页岩脆性指数研究为例,针对目前常用的弹性脆性预测方法存在地区适应性差的问题,提出了一种多元非线性回归脆性指数预测的改进模型。首先通过模型建立了矿物脆性指数与Rickman脆性指数及最小闭合应力系数之间的关系,然后针对三维地震资料利用叠前地震反演方法获取所需的弹性参数,进而实现研究区页岩层段纵向及横向脆性预测。川南页岩气田L区块的应用结果表明,在已有钻井矿物脆性指数的约束下,利用改进后的脆性指数预测方法得到的改进模型适用性更强,利用该模型预测得到的五峰组-龙马溪组一亚段脆性指数在横向上分布稳定,符合地质认识;通过已知井检验可知,预测得到的脆性指数在纵向上与矿物脆性指数相关性好。

普通混凝土强度预测的双并联前向神经网络模型

为了预测混凝土强度,在分析普通混凝土的28d强度的影响基础上,建立了混凝土强度预测的双并联前向神经网络模型,介绍了双并联前向神经网络模型的计算过程及其学习方法。通过编程用计算机对混凝土强度预测进行了仿真模拟,结果与鲍罗米公式计算结果比较表明预测精度高,模型可靠。通过与BP网络模型比较发现双并联前向神经网络模型具有更好的收敛效果。

气垫式网前箱的多变量预测函数控制

介绍并分析了多变量预测函数控制的基本原理和特点。针对网前箱的线性模型,设计了网前箱的多变量预测函数控制,并进行了仿真,获得了较好的控制效果。

LWT-FLP去噪算法在FBG传感器信号处理中的应用

为了提高传感器信号处理的精度,结合提升小波变换和前向线性预测算法优势,提出了一种应用于FBG传感器信号处理的LWT-FLP去噪算法。研究结果表明:信号经FBG处理后展现出显著的去噪效果,且与处理前具有相似的变化趋势,FBG传感器可代替标准电磁流量计使用,具有相同功能。LWT-FLP算法相比于G-FLP算法及FLP算法这两种传统算法,去噪效果更佳。加速度计输出信号经LWT-FLP算法去噪后,不论是方差还是均值相比原始结果下降幅度都很大。

一种前向小波神经网络实现PM_(2.5)浓度的预测

PM_(2.5)作为主要的空气污染物,科学有效地预测其浓度能够让人们采取预防措施以减少对人体的伤害。使用传统的方法检测空气中PM_(2.5)的浓度收效甚微且成本高,这是因为PM_(2.5)组成成分复杂,并且其浓度的变化是一种非线性动态过程。因此,进行快速有效的预测PM_(2.5)浓度意义重大。文中采用了具有时域和频域二维信号处理能力且收敛速度较快的前向小波神经网络预测空气中的PM_(2.5)浓度,预处理后的数据输入到网络中进行训练和测试。结果表明,相比于BP和PSO⁃BP神经网络,小波神经网络对PM_(2.5)浓度的预测精度较高,降低了错误率,并且有效地减小了预测偏差,说明该方法用于空气的质量预测是可行的。

基于自适应小波回声神经网络的光纤陀螺测角仪温度误差补偿技术

基于光纤陀螺的测角仪可以实现对各项角运动参数的一体化动态精密测量,但在实际应用中,光纤陀螺测角仪受到温度变化的影响,导致测量精度下降。针对这一问题,本文提出了一种基于自适应小波回声神经网络的光纤陀螺测角仪温度误差补偿技术。为了提高温度误差建模的进度,提高传统神经网络的逼近能力,通过自适应前向线性预测滤波器对建模用测角仪温度漂移数据进行预处理,并采用自适应小波回声神经网络建立温度漂移模型,能够避免传统神经网络结构设计的盲目性和局部最优等问题,增强了网络学习能力和泛化能力,并利用自适应律代替神经网络梯度进行网络训练,提升神经网络的逼近精度和收敛速度。实验结果表明,该模型可以提高光纤陀螺测角仪的测量精度和环境适应性,为光纤陀螺测角仪的性能优化和实际应用提供了可靠的技术支撑。

基于复合预测的无差拍谐波电流跟踪控制

针对传统的无差拍谐波电流跟踪控制受信号采样、处理和执行等过程时延影响,实际上是差一拍控制的问题,提出了一种基于复合预测的无差拍控制。该算法提前2个采样周期预测出谐波补偿参考电流,提前一个采样周期预测出逆变器输出电流,从而实现"真正意义上"的无差拍控制。为此,又提出了一种综合地考虑了负载谐波电流稳态和动态过程的复合预测方法,使上述预测过程更加准确。最后,仿真和实验表明基于该复合预测的无差拍控制方法在负载稳态和变化时都具有良好的补偿效果。

基于自适应FLP滤波的金属谐振陀螺信号处理方法

针对传统前向线性预测(FLP)滤波在金属谐振陀螺信号处理中,无法解决收敛速度和稳态误差之间矛盾且动态滤波效果较差的问题,提出了一种基于自适应FLP滤波信号处理方法。首先采用Allan方差对陀螺原始信号进行分析,得出不同噪声占比;然后采用自适应FLP滤波方法,通过建立补偿因子与估计误差的非线性关系,实时调整步长因子大小,修正滤波误差;最后用自研的金属谐振陀螺惯性系统试验验证该方法的有效性。试验结果表明:自适应FLP滤波方法可抑制量化噪声、角度随机游走和零偏不稳定性等。降噪效果比传统FLP滤波方法更为明显,收敛速度更快,动态时自适应FLP滤波方法降噪效果是传统FLP滤波方法的1.95倍,该方法可有效提高金属谐振陀螺的性能。

VSC-HVDC海上风电输电变流器预测电流控制策略研究

针对目前VSC-HVDC海上风电输电变流器电流暂态响应慢,存在稳态误差等不足,提出一种新的数字预测电流控制方法,基于电压空间矢量调制得到控制开关信号,使三相输入电流快速跟踪三相输入电压的相位,快速消除系统静差和离散误差,变流器按照单位功率因数运行。利用该方法可在当前采样时刻快速准确地预测下一采样时刻的参考电流值,同时结合品质方程确定下一采样时刻的最优输出端参考电压矢量。结合500kVA实验样机设计,经Matlab仿真结果验证了该控制策略的可行性和有效性。

区间正交小波变换域FLP算法及其在捷联寻北中的应用

针对机抖激光陀螺角随机游走和发动机干扰等影响静态捷联寻北精度的问题,提出了一种新的基于区间正交小波变换的前向线性预测算法。该算法利用前向线性预测技术以及区间正交小波变换抑制边界效应的能力,有效地减小了角随机游走和发动机干扰。车载实验证明该算法的有效性。

基于变结构算法的神经网络预测方法及其应用

针对油田系统常规的建模和动态预测方法的局限性,采用多层动态前向网络作为油田系统的数学模型.研究基于变结构算法的多层动态前向网络预测模型与预测技术;分析梯度算法的不足,提出改进方案;给出单变量多层前向网络预测模型和相应的变结构梯度法,并且把该模型和算法推广到多变量系统,改进了油田系统的建模和预测方法.新方案在油田产量预测应用中颇有成效.

基于复合预测的LCL型光伏逆变器无差拍控制

针对光伏并网传统无差拍控制时间延时和预测精度不高的问题,提出一种基于复合预测的无差拍电流控制方法。首先分析时间延时和预测精度不高的原因;然后在负载稳定时,将拉格朗日插值法和重复预测相结合,提高电流预测精度;在负载变化时引入自适应前向线性电流预测,缩短系统振荡时间,增强动态响应能力;最后将两种方法复合控制,提前一拍预测逆变器输出电流,提前两拍预测采样参考电流,解决了时间延时问题。仿真结果表明该方法比补偿前的谐波含量降低了92%,振荡时间缩短了50%,具有更高的预测精度和动态响应能力,控制效果更佳。

自适应FLP滤波在激光陀螺IMU标定中的应用

激光陀螺的高频机抖使得激光陀螺惯性测量单元(IMU)的测量数据包含较大的随机噪声。传统标定方法通过延长测量时间消除对随机噪声的影响,降低了标定效率。提出了应用自适应前向线性预测(FLP)滤波对激光陀螺IMU的标定数据进行降噪,在较小标定数据量情况下提高系统的标定精度。首先通过四方位正反速率标定试验获得原始标定数据;然后通过自适应FLP滤波器对标定数据进行噪声抑制;最后利用降噪后的数据计算标定参数。试验结果表明,该方法能够有效抑制标定数据中的随机噪声,提高信号的信噪比(SNR),从而在标定数据量较小的情况下得到较高精度的标定参数,提升系统的导航精度。

基于BP神经网络的铀矿资源预测

本文利用BP神经网络的高度非线性映射功能能很好的拟合成矿作用过程这样的高度非线性耦合关系的特点,构建基于BP神经网络的铀矿资源预测模型。克服了传统成矿预测中研究各种控矿因素只通过简单的线性分析处理,不能真实反映矿床的形成与定位受哪些因素的控制,

混沌与神经网络相结合的预测算法及其应用

探讨了混沌理论与前馈人工神经网络相结合进行非线性时间序列预测的基本原理，并对影响短波通信的两个参数：年太阳黑子数和天１０ｃｍ辐射强度，在ＳＶＤ滤波的基础上进行了预测。