带时延估计的加权高斯模型软测量建模

针对实际化工过程存在的时延及随机噪声的干扰问题,提出一种改进的在线软测量方法。该方法首先采用滑动灰关联度分析法估计过程时延参数,提取过程时延信息;当新样本到来时,基于离线阶段估计的时延参数对建模样本进行重构,并通过新样本相对于训练样本的权重建立加权高斯模型,构建输入输出变量的联合概率密度函数;最后,通过条件分布函数实时估计输出变量值。通过数值仿真和工业脱丁烷塔过程丁烷浓度的在线估计,验证了所提方法的有效性。

结合加权混合模型和马尔可夫随机场的光学遥感影像分割

针对遥感影像分割中存在的统计建模不准确,以及分割精度和效率低的问题,提出一种结合加权混合模型和马尔可夫随机场的光学遥感影像分割算法.考虑到遥感影像内像素强度统计分布具有复杂的特性,以多个高斯分布加权作为模型组份,采用加权高斯混合模型构建影像统计模型,克服传统高斯混合模型以单一高斯分布作为模型组份而导致建模不准确的问题;然后利用类属先验概率构建平滑因子,在马尔可夫随机场中将其引入吉布斯分布以建模组份权重的概率分布,该分布结构简单、易于实现;最后采用最大条件期望方法求解最优模型参数,而组份权重分布的结构有利于推导出其解析式,降低算法的计算量.选取Cartosat和Worldview影像进行分割实验,与模糊C均值、高斯混合模型和学生t混合模型分割算法进行对比.结果表明,所提算法可更加准确地建模遥感影像非对称和重尾等复杂统计分布,平均总分割精度分别高于对比算法16.44%,16.00%和16.17%.

涡轴发动机自适应混合诊断模型高斯加权聚类方法

针对整个飞行包线内涡轴发动机健康参数估计问题,提出基于高斯加权聚类的机载自适应混合模型建立方法.机载自适应混合模型由卡尔曼滤波器和神经网络组成,由于飞行数据样本庞大,采用高斯加权模型对涡轴发动机飞行数据进行实时聚类,利用聚类数据更新神经网络权重,并实现自适应混合模型工作范围的自动扩展.仿真结果表明了该方法的有效性,采用高斯加权聚类的自适应混合模型提高了全包线内性能跟踪的精度.

基于改进型Camshift和卡尔曼滤波器的车辆跟踪算法

针对车辆跟踪过程中跟踪目标丢失或者失败的情况,提出一种改进型Camshift(Continuously Adaptive Mean Shift)算法和卡尔曼滤波相结合的跟踪方法。首先,利用卡尔曼滤波器实现跟踪目标的位置估计,以克服目标被遮挡造成的跟踪失败的问题,然后再利用改进型Camshift算法依据目标距离搜索中心的位置,对H分量创建的颜色直方图中的每个像素位进行高斯模型核函数的加权处理,并自适应计算得到最优的搜索窗口,从而改善了传统Camshift不能直接抵制噪声干扰的缺点,解决了因跟踪目标在同色背景噪声干扰下出现的丢失问题。最后通过仿真实验表明:改进型Camshift算法和卡尔曼滤波的结合有效地提高了车辆跟踪的准确性和连续性。

新疆风电出力波动特性的概率建模

掌握风电出力的波动性规律是解决大规模风电并网运行难题的基础,分析了新疆某地区风电场出力的大量实测数据,提出了加权高斯混合分布概率模型模拟风电场及集群风电场功率变化特性,提出了反映风电出力波动特性的评价指标,采用极大似然估计法估算模型参数,并用多种概率分布模型模拟了新疆该地区风电场及集群风电场出力波动特性。仿真结果表明,加权高斯混合分布概率模型模拟精度最高,从而验证了加权高斯混合概率模型的可行性和有效性。

基于监控视频信号的电梯门运动轨迹识别算法

提出了一种基于监控视频信号的电梯门运动轨迹识别算法。首先,为了提高电梯门识别的准确度,将边缘检测、阈值分割两种思想相结合,提出了一种基于两者的电梯门识别算法,能够较为准确地识别电梯门的运动轨迹;然后,依据运动轨迹预测和跟踪的思想提出类高斯加权模型对原算法进行改进,提高了算法的鲁棒性。实验结果表明,该算法能够在复杂的环境下准确且稳定地对电梯门的运动轨迹进行识别和追踪。

风电功率波动特性的概率分布模型研究

为保证电网安全稳定运行,在大规模风电并网运行控制过程中,准确构建风电出力波动特性的概率分布模型具有重要意义.基于数据驱动的方法,采用加权高斯混合概率分布模型来拟合大规模风电基地的波动特性,模型拟合参数可采用基于期望最大化(Expectation Maximization,EM)的极大似然估计算法来获得,并提出了拟合评价指标来与其它多种概率分布模型进行对比,结果验证了加权高斯混合概率模型的有效性和适用性.