基于自适应融合数据的线路参数辨识

电网频率的变化会导致利用DFT算法计算PMU数据时相角差出现误差,进而影响线路参数辨识精度。因此,提出一种基于加权最小二乘(AFD-WLS)的自适应融合数据辨识线路参数的方法,通过结合峭度因子的互补集合经验模态分解(CEEMD)自适应选取故障录波数据中的高频分量从而实现不同位置故障录波数据和PMU数据的同步;该方法利用相关函数法计算故障前两个周波的电压相角差修正PMU数据中的相角差,将融合的PMU数据和故障录波数据通过加权最小二乘算法辨识线路参数。仿真和实测数据表明,自适应融合多种数据源方法可有效提高线路参数辨识精度,提高故障录波数据的应用价值。

基于数据融合模型的励磁系统参数辨识算法

确认真实可靠的发电机励磁系统参数对电力系统安全稳定分析具有重要意义。基于人工网络融合法,提出了一种基于数据融合模型的辨识算法实现对励磁系统的参数辨识。首先,使用灰狼算法、粒子群算法和遗传算法分别对励磁系统进行参数辨识。然后,利用人工神经网络算法对三种方法的辨识结果进行合成决策。最后,数据融合模型输出合成辨识值。仿真结果表明,基于融合模型的励磁系统参数辨识方法较单一辨识法具有更高的辨识精度与稳定性。

多传感器数据融合技术在多相流参数测量中的应用

对于多相流动系统,由于多传感器系统比单传感器具有优越性,所以,数据融合技术在多相流参数检测领域的应用越来越受到关注。对多传感器数据融合技术作了回顾,介绍了多传感器数据融合技术在多相流参数检测,如流型辨识、多相流流体界面分布成像等方面的应用情况,并对这项技术在多相流参数检测方面所面临的挑战和前景作了分析。

水轮机调节系统参数辨识中试验数据的预处理方法

水轮机调节系统参数辨识现场试验的原始数据往往包含各种干扰信号。为提高辨识的准确性,在应用辨识算法前,需进行数据预处理。为此,探讨对辨识试验数据的预处理的方法,包括信号重采样、去除稳态值、去除趋势和噪声滤波等,并着重分析和给出了采用经验模态分解方法(EMD)对信号进行滤波和去噪的原理和效果。

基于数据融合的加速度传感器的静态模型辨识

建立加速度计静态模型方程并根据工程应用对方程进行简化,针对加速度计静态模型的参数辨识提出一种新的方法———数据融合,使模型参数的精度有明显的提高。该方法的提出为控制系统的实时补偿提供了更好的条件。

一种基于数据融合的加速度传感器的静态模型辨识方法

通过对现有加速度传感器静态模型参数辨识方法进行分析,指出传统的算术平均值法在实现加速度传感器静态模型参数辨识中存在的缺陷,提出了数据融合方法,并对其进行了讨论。数据融合方法是将来自同一目标的多源数据加以智能化合成,从而产生比单一数据源更精确更完全的估计和判决。通过分析表明,采用数据融合方法进行参数辨识得到的参数的离散度小于传统的算术平均值法所求参数的离散度,使模型参数的精度有明显提高。因此数据融合方法优于传统的算术平均值法,特别适合于加速度传感器静态模型参数的辨识。该方法的提出为控制系统的实时补偿提供了良好的条件。

基于最小二乘法的数据融合技术应用

探讨了一种基于最小二乘法原理的数据融合方法在智能检测系统中的应用,该方法采用并行及各传感器之间组合的融合方式,从而推导出系统适合最小二乘格式的数学模型,再从模型辨识出测量结果并得出系统通用性能曲线,避免了常规检测方法造成的误差。通过实例分别给出了软硬件设计方案,实验结果表明该方法是一种能确保系统测量信息准确性的数据处理方法。

基于逆变器多模态输出电压的IGBT微小故障特征提取

针对逆变器IGBT模块发生微小故障引起特征信号变化,相较于电路正常运行信号十分微弱、难以检测的问题,提出一种通过采样逆变器端口输出电压来提取IGBT微小故障特征参数的方法。方波控制策略下,逆变器输出电压包含稳态和暂态两种工作模态,可进一步划分为6个暂态模态和6个稳态模态,因此利用Elman神经网络完成工作模态划分。暂态工作模态中,通过将开关状态下的逆变器等效成二阶系统,完成系统的参数辨识;基于此提出一种输出电压原始数据和系统辨识参数相融合的方法,提取二阶系统的超调量、峰值时间以及暂态电压斜率作为暂态故障特征参数,既降低了实际系统原始数据噪声的干扰,又避免了等效二阶系统参数辨识误差对故障特征提取效果的影响。仿真和实验验证了所提方法的有效性。

某型涡扇发动机测量数据融合模型

为提高传感器测量数据的有效性、可信性,基于共同工作方程,采用原始对偶内点法对某型涡扇发动机测量数据进行了融合分析。通过案例研究了当可测量参数存在误差时融合模型对流量、温度及压力等参数的预测效果;使用两种初值更新法,测试了不同工况下的物理运算时间;研究了约束违反程度对数据融合效果的影响;测试了关键传感器失效情况下,动态数据融合模型对缺失参数的预测效果,提出了进一步加快计算速度的方法。结果表明:通过数据融合,测量数据和未测量参数的不确定度下降到1%以内;通过算法优化,运算时间减小到5 s,为发动机状态监控、传感器维护和传感器失效情况下发动机控制策略的制定提供了支持。