基于PSO-ESPRIT算法的SAW温度传感器解调方法

目的 为了提高声表面波(Surface acoustic wave,SAW)温度传感器的测量精度,设计一种基于PSO-ESPRIT算法的高精度SAW温度传感器解调方法。方法 以ESPRIT谱估计方法为基础,把Hankel矩阵的时间窗长度与计算噪声方差时的K值作为粒子群优化(Particle swarm optimization, PSO)算法的输入变量,并以频率估计标准差作为粒子的适应度函数,利用PSO对ESPRIT算法中的参数进行优化,以改善频率估计精度,从而提高SAW回波信号频率估计的分辨率,实现SAW温度传感器的高精度解调。结果 仿真和实验结果表明,所设计的方法与其他谱估计算法相比,其对SAW回波信号估计的频率误差最小,标准差小于0.66kHz。把设计的算法用于SAW温度传感器的温度解调,得到的温度值与实际温度的误差小于0.4℃。结论 测试结果说明,设计的温度解调方法提高了SAW回波信号频率解调精度,可用于SAW温度传感器的解调,实现了对食品包装储运过程中温度的实时监测。

基于SVD-ESPRIT与PSO的笼型异步电机转子断条故障检测

将基于奇异值分解(Singular Value Decomposition,SVD)滤波的旋转不变信号参数估计技术(Estimation Of signal parameters via rotational invariance technique,ESPRIT)与粒子群(Particle Swarm Optimization,PSO)算法相结合提出一种异步电动机转子断条故障检测方法。利用ESPRIT的高频率分辨力特性,通过SVD滤波准确提取定子电流信号中转子断条故障特征分量及主频分量之频率,但因其对幅值和初相位估计的效果欠佳,进而尝试应用粒子群优化算法确定各频率分量的幅值和初相位。仿真及试验结果表明,基于SVD-ESPRIT与粒子群算法的异步电动机转子断条故障检测方法是有效的,且因算法简单、运行耗时短亦可用于在线检测。