基于光纤光栅技术的水冷壁温度变化周期识别与预测

随着中国“3060”双碳战略的推进,确保煤粉稳定点火和燃烧对于煤电行业由基础负荷电源向调节型电源转型至关重要。而其中一个核心问题是如何有效地监测和控制水冷壁的温度。针对燃煤质量多变、机组频繁调峰以及超临界汽水特性等复杂性带来的挑战,文章通过在锅炉水冷壁纵横布置大量温度测点,构建全面的多点测温系统,以直观地监测水冷壁的温度变化。该方法不仅能提供关于水冷壁整体温度的详尽数据,还能有效支持锅炉燃烧过程的控制和调节,从而提高电站锅炉的安全性和经济性。通过广泛、多点的温度监测,可以实时监测和记录水冷壁的温度变化,及时发现并解决水冷壁横向裂纹、高温腐蚀等问题,为优化锅炉运行参数提供依据。

基于改进双流网络的周期性挥手识别

随着科技进步,智能家居已成为潮流所驱。针对智能家居的控制问题,文中提出一种基于改进双流卷积网络的周期性挥手识别算法。首先通过背景消除建模方法将运动前景提取出来,然后对视频帧提取时间流网络信息和空间流网络信息,并输入到改进的双流卷积网络中,使用卷积融合方式将二者融合,最后判断是否为周期性挥手动作。通过加入周期性特征训练,改进双流卷积网络模型,在文中使用的数据集上识别准确率总体达到93.2%,精确率达到93.0%,相较于单纯使用双流卷积网络,其识别准确率提高了4.2%,并且对非周期性挥手运动也进行了识别。实验数据表明,文中所述周期性挥手识别算法,识别准确率和精确率较高,适用于家居环境的挥手识别。

罗兰C周期识别时频分析方法研究

该文在分析罗兰C信号的STFT及WV时频变换表示基础上,仿真分析了天线输入端信噪比、天地波幅值比以及天地波相位差对罗兰C信号STFT及WV时频变换的影响。结果表明,罗兰C信号STFT及WV变换的峰值稳定,抗噪声性能强,但都存在多值性,而利用罗兰C信号WV变换的负峰值对应的频率点不同能够有效消除多值性,从而提出了基于WV变换的周期识别新方法。

基于峰-谷分段积分算法的行走步态周期识别

将表面肌电信号(SEMS)作为信息源,提出一种基于峰-谷分段积分算法的人体行走步态周期识别方法。通过凌阳SPCE061A单片机对SEMS进行实时采集,使用RS232串行口与PC机进行通信,将SEMS的数字量信息传递给PC机。在Visual C++环境下建立步态周期识别界面,采集6位被测者行走时的8个下肢SEMS。实验结果表明,该方法能提高识别结果的准确性和可靠性。

基于高斯平滑滤波的罗兰C周期识别新方法

在有效估计天波延迟地波时间的基础上,提出了全新的基于高斯平滑滤波的罗兰C周期识别新方法。该方法完全摆脱了固定第三周期识别的思路,在有效防止信号出现周跳和确保接收机接收性能的精确性与稳定性的同时,提高了采样信号的信噪比,降低了信号电平的损失,增加了信息的利用率。

罗兰-C脉冲信号周期的联合识别方法

针对目前罗兰-C接收机周期识别方法的不足,提出了一种载波跟踪信息与包络峰值检测相结合的罗兰-C脉冲信号周期的联合识别方法,并从基于峰值检测的周期识别原理、DLL峰值检测方法、联合判决方式等方面描述了该方法.仿真验证了DLL峰值检测的有效性,分析了联合识别方法的抗包周差性能和抗噪性能,最后通过将该方法运用于罗兰-C接收机设计,进一步验证了该方法对标准过零点的识别与跟踪性能.试验结果表明:联合识别方法具有良好的抗包周差性能,且在信噪比大于20 dB时,该方法能够准确无误地进行周期识别,满足现代罗兰-C数字化接收机设计指标要求.

水文时间序列周期识别的新思路与两种新方法

针对水文序列周期识别的困难,提出首先对原序列处理,再识别周期的新思路,同时提出两种新方法:一种是模拟延长序列法,即通过建模延长原序列,再应用最大熵谱分析法(MESA)对延长序列识别周期;另一种方法是构建主频序列法,应用小波重构法重构原序列主频部分,然后应用MESA对重构序列进行周期识别。结合实例,运用多种方法对同一序列进行周期识别。分析结果表明:由于受序列长度偏短、偏态性、复杂随机成分等因素的影响,传统单一处理方法(周期图法、FFT、MESA、小波分析)周期识别效果并不理想,而使用两种新方法可以有效地减小或消除上述因素的影响,周期识别效果有明显改善。

基于遗传熵谱估计的年径流周期识别

为识别年径流量序列的隐含周期,提出基于加速遗传算法的熵谱估计算法,与传统的方差谱和Burg谱相比,该方法由熵谱分析的4个等价条件构建多目标函数,并以加速遗传算法作为优化算法,谱估计结果不依赖于初始值的选取,对数据长度、信噪比和初相位有较强的适应性。在三川河流域后大成站1956-2000年径流量序列周期识别中的应用结果表明,在95%的置信检验水平下,序列中存在着12.29年和2.67年的显著隐含周期,为三川河流域年径流的变化规律和变化的阶段性研究提供了一条新的定量研究手段。

产业生命周期识别的案例分析——以纺织业为例

正确识别产业所处的生命周期,不仅是产业政策等宏观决策的需要,也是企业战略管理等微观经济活动所必须的.本文以纺织业为例,对纺织业的生命周期进行了实证分析后,判定我国纺织业自90年代以来已进入衰退期,已落为衰退产业.然后运用微观经济方法分析了纺织业衰退与产业亏损的关系,并揭示了纺织业衰退的根本原因在于技术创新不足.因此,加强技术创新是克服纺织业衰退的根本出路.

基于PCA和谱分析的金融波动周期识别方法研究

通过将主成分分析与谱分析相结合,可以有效解决金融波动周期识别中识别指标与识别方法的选取问题,为客观度量金融波动周期长度提供了一种可行的方法。实证研究表明,我国保险市场存在一个长度为6.5-6.8个月的波动周期。

运用可拓理论的产品生命周期识别

针对现有产品生命周期识别方法的不足,提出了一种运用可拓理论的产品生命周期综合识别方法,通过建立产品生命周期识别的物元模型,利用关联函数对产品生命周期进行综合识别,并通过实例说明了其在实际中的应用。使用该方法不仅可以识别产品的生命周期,还能对属于同一阶段中产品的位置进行判断。

数控系统可靠性测试试验数据的周期识别

针对无替换定时截尾的数控系统可靠性测试的故障分析的需要,对数控系统可靠性测试的试验运行数据进行了理论分析与研究,通过将离散的测试信号连续化、去噪、提取特征等信号处理技术实现了对大量试验数据的周期识别,为进一步分析数控系统的运行故障情况奠定了基础。

罗兰C周期识别的Wigner-Vill变换分析

为了改善时域或频域分析的局限性,提高罗兰C的周期识别能力,在分析罗兰C信号的Wigner-Vill变换特征基础上,仿真分析了样本长度、天线输入端信噪比、天地波幅值比及天地波相位差等对罗兰C周期识别的影响。结果表明,罗兰C信号的Wigner-Vill变换峰值稳定、抗噪声性能强,利用不同天地波相位差下罗兰C信号的Wigner-Vill变换最小峰值对应的频率点不同,能够有效的实现罗兰C信号的周期识别。

硬限幅接收机中周期识别方法讨论

提出一种基于"半周期峰值比法"的周期识别新技术,它是全数字化的,不需使用任何附加的模拟电路和硬件支持。新技术是基于每个罗兰C脉冲的采样点数的,因此在有噪声的情况下,增加识别过程的可靠性。

波形匹配法识别罗兰-C信号周期

提出一种新的周期识别算法,以满足数字化罗兰-C接收机软件实现的需要。借助MATLAB工具模拟天波干扰下的罗兰-C信号,对算法进行了有效性验证。该算法通过比较接收到的罗兰-C采样脉冲与模板信号的相似程度来识别第三周过零点。仿真结果表明:在一定的信噪比条件下,该方法初步实现了罗兰-C信号周期识别的数字化,具有一定的实用性。

基于天波重构技术的eLORAN信号周期识别算法

针对增强型罗兰(eLORAN)系统在信号处理中的核心问题——周期识别,该文提出一种应对强天波干扰及低信噪比(SNR)等恶劣环境的联合算法。该方法首先在改进窗函数的基础上利用频谱相除技术估计信号特征参数,并根据大数理论的思想实现了天地波识别;其次,提出天地波时延差及幅度比的自适应2阶网格搜索匹配算法,在节省计算量的同时准确重构并去除天波;最后利用伪地波信号准确实现周期识别。仿真结果分析表明,该算法能够成功地克服现有技术中的一些弊端,实现小时延差及大强度天波干扰下的天波识别及分离,同时结合频谱相除技术的稳定性极大提高周期识别的正确率,进而为后续解调解码等流程提供保障。

基于匹配相关法的罗兰C信号周期识别

在分析比较了国内外的罗兰C周期识别算法上,提出了一种利用匹配相关进行周期识别的方法。从理论上讲,由于已知罗兰C信号的波形,采用这种方法是罗兰C信号的最佳接收,它能有效减少白噪声的干扰。在此基础上改进的相关法周期识别能够解决强噪声环境下的跳周问题。实验结果表明,该方法能够有效检测到标准过零点,周期识别精度可达0.1μs。

水下接收罗兰C信号周期识别补偿方法研究

由于色散效应影响,罗兰C信号在水下传播时各频率分量相位改变量不同,导致合成信号包络发生形变,周期识别时需要进行包周差补偿处理。为此,在分析罗兰C信号水下传播色散特性基础上,通过仿真给出了标准信号由空气入水后在水中不同深度接收到的信号载波前五周半峰值比。然后,结合上述仿真结果,根据最小均方思想设计了一种融入包周差补偿的用于水下接收信号识别的简单可行周期识别方法。试验结果表明,所设计周期识别补偿方法能够准确实现水下接收罗兰C信号的周期识别,提高接收机定位精度,对拓展罗兰C接收机的水下应用领域具有重要意义。

基于Holt-Winters方法的年径流序列周期识别

针对小波分析法在年径流序列周期识别方面存在的不足,以长江支流乌江水系武隆站为例,利用Holt-Winters模型固有结构模拟水文时间序列,根据拟合精度来判断年径流序列周期出现的可能性,以达到周期识别的目的,并与小波分析法识别的序列周期进行比较。结果表明,Holt-Winters模型很好地捕捉到了小波分析法中的所有周期成分,且模型结果很好地验证了所提假设,可确定原序列存在5.6年的主要周期项。

基于小波变换的水文时间序列分解及周期识别

运用Mallat算法和Daubechies小波,介绍了基于小波变换的水文时间序列分解方法。通过小波变换,将水文时间序列分解成不同时间尺度的确定性序列和随机序列,运用方差分析法,对小波分解后的确定性序列进行周期分析,获得原始系列的主周期。以长江寸滩站日平均流量和年最大流量序列为例,进行了小波变换及原始系列的主周期分析,结果是满意的。