基于广义Whittaker平滑器的拉曼光谱基线校正方法

拉曼光谱的频率、强度及偏振特性表征散射物质的独特性质,是研究物质结构及组成成分的特征光谱,因而得到了广泛应用。但是,基线漂移现象会给拉曼光谱的定量分析带来不利影响。为了校正拉曼光谱基线漂移,提出了一种结合导数谱峰检测与Whittaker平滑器的基线校正算法。利用拉曼二阶导数光谱检测并标定谱峰区域;Whittaker平滑器结合标定信息计算非谱峰区域的拟合曲线,并同时对谱峰区域进行平滑插值,最终得到整个光谱的基线估计。将该算法应用于模拟和实际拉曼光谱进行基线校正,结果表明,算法可以同时实现光谱去噪与基线估计,而主成分分析结果的改善进一步验证了该算法的有效性。

基于未知风荷载作用下拉索振动位移的拉索MR阻尼器失效破坏的原位识别方法

MR阻尼器在长期服役过程中可能由于各种因素导致阻尼器失效破坏。现有的对MR阻尼器的性能识别多为离线方法,需将阻尼器从斜拉索上拆卸下来后进行人工检测。该文提出一种基于斜拉索在未知风荷载作用下振动位移,对在役失效无模型的MR阻尼器作用力进行原位在线识别的方法。首先,建立模态坐标下斜拉索-阻尼器系统运动方程及观测方程,并进行模态截断以减少未知变量的数量。然后,将模态风荷载建模为随机游走过程并加入系统的增广状态中,并视MR阻尼器的作用力视为作用在斜拉索上的‘附加未知输入’,采用最近提出的无直接反馈的平滑最小方差无偏Bayesian滤波,对结构增广状态和MR阻尼器作用力进行识别。通过识别数值模拟的MR阻尼器三种典型的失效破坏模式,验证所提方法的有效性。

三相逆变器的双模式及其平滑切换控制方法

针对微电网逆变器在并网切换时电流冲击大、在离网切换时直流侧电压波动等问题,提出了一种三相逆变器的双模式及其平滑切换控制方法。该方法包括稳态控制和切换控制两部分,其中,切换控制由软启动虚拟阻抗和单环电流反馈控制构成。同时,为防止逆变器在并网切换和稳态控制中,因相位误差造成的能量倒灌现象,提出了相位超前控制方法,并引入到下垂控制器中,给出了其频率调节实现方式。切换控制抑制了逆变器输出电流、入网电流的瞬间冲击,实现并网平滑切换。逆变器离网切换时,仅引入单环电流反馈控制加快入网电流泄放,避免由电流瞬时不平衡引起的逆变器直流侧电压波动。仿真和实验结果验证了三相逆变器的双模式及其平滑切换方法的可行性和有效性。

应用分碎器的腹腔镜子宫肌瘤术后寄生性平滑肌瘤7例临床分析

目的:探讨应用分碎器的腹腔镜子宫肌瘤手术后继发医源性寄生性平滑肌瘤的临床特点。方法:回顾性分析2006~2019年北京大学第三医院收治的7例寄生性平滑肌瘤患者的临床资料。结果:7例患者均有应用分碎器的腹腔镜子宫肌瘤手术史。发病年龄29~47岁,中位年龄38岁。2例表现为月经增多;1例自行触及下腹部包块;另4例无任何症状。本次发病距前次手术间隔4~8年,中位时间7年。寄生性平滑肌瘤均为多发,位于盆腹腔腹膜、肠系膜、大网膜、卵巢、阑尾、腹壁瘢痕,直径0.5~12 cm。切除后病理检查均为良性平滑肌瘤,伴有玻璃样变(2例)、梗死(2例)或黏液变性(2例)。术后随访9~161个月,中位时间15个月,1例复发。结论:寄生性平滑肌瘤可继发于应用分碎器的腹腔镜子宫肌瘤术后,经个体化的手术治疗预后良好。

基于灰色模型和Kalman平滑器的多母线短期负荷预测

提出一种基于灰色模型和Kalman平滑器的多母线短期负荷预测方法。首先利用频域分解消去母线负荷序列的周周期分量,建立序列的灰色模型;利用系统负荷预测方法得到系统负荷预测值。然后基于灰色模型,将各母线负荷的累加序列作为状态,系统负荷的累加序列作为观测,建立线性离散随机系统模型,利用Kalman平滑器计算各母线负荷累加序列的最优估计值,最后经过累减还原并加上周周期分量得到母线负荷的预测值。Kalman平滑器利用高准确率的系统负荷预测结果对母线负荷预测进行调整,降低预测误差。在实际系统中进行了仿真验证,证明了该方法的有效性。

多模型概率假设密度平滑器

针对杂波环境下的多个机动目标跟踪问题,本文将多模型概率假设密度(Multiple-model probability hypothesis density,MM-PHD)滤波器和平滑算法相结合,提出了MM-PHD前向–后向平滑器.为了避免引入复杂的随机有限集(Random finiteset,RFS)理论,本文根据PHD的物理空间(Physical space)描述法推导得到了MM-PHD平滑器的后向更新公式.由于MM-PHD前向–后向平滑器的递推公式中包含有多个积分,因此它在非线性非高斯条件下没有解析的表达形式.故本文又给出了它的序贯蒙特卡洛(Sequential Monte Carlo,SMC)实现.100次蒙特卡洛(Monte Carlo,MC)仿真实验表明,与MM-PHD滤波器相比,MM-PHD平滑器能够更加精确地估计多个机动目标的个数和状态,但MM-PHD平滑器存在一定的时间滞后,并且需要耗费更大的计算代价.

快速次优固定区间Wiener平滑器算法

为了克服带相关噪声控制系统的最优固定区间Kalman平滑算法要求较大计算负担的缺点,应用Kalman滤波方法,基于CARMA新息模型,由稳态最优Kalman平滑器导出了带相关噪声控制系统的最优固定区间Wiener递推状态平滑器,它带有系数阵指数衰减到零的高阶多项式矩阵.用截断系数矩阵近似为零的项的方法提出了相应的快速次优固定区间Wiener平滑算法.它显著地减少了计算负担,便于实时应用,还给出了截断误差公式和选择截断指标的公式.仿真例子说明了快速平滑算法的有效性.

中心差分卡尔曼平滑器

针对一类非线性离散系统的状态平滑问题,本文设计了一种中心差分卡尔曼平滑器(CDKS).文中基于最小方差估计准则,详细推导了非线性系统的状态最优平滑递推公式,并采用中心差分变换来近似计算状态的后验均值和协方差.相比于传统中心差分卡尔曼滤波器(CDKF),所设计的CDKS算法有效提高了非线性状态的估计精度,拓展了中心差分变换的应用范围.仿真实例验证了所提出平滑器的可行性和有效性.

基于交互多模算法的Kalman平滑器在滑坡监测中的应用

将滑坡的监测视为机动目标的跟踪问题,基于传统机动目标跟踪算法的不足,首次引入交互多模算法对滑坡监测数据进行处理。最后在此基础上给出了一种卡尔曼滤波平滑算法,实例仿真结果说明了其有效性。

基于变维滤波算法的Kalman最佳平滑器在滑坡监测数据处理中的应用

本文研究如何对滑坡监测数据进行去噪。利用变维滤波算法能够很好描述滑坡变形的特性,建立了滑坡运动的数学模型,并引入变维滤波对滑坡监测数据进行降噪。为了提高滑坡预报精度,提出了一种基于变维滤波的Kalman最佳平滑算法。实例仿真结果表明利用该方法不仅预报精度高,而且也为寻找滑坡监测数据中的变点提供了新的思路。

基于自适应下垂控制的多机逆变器双模式运行及平滑切换研究

使多机分布式发电单元无互联线并联组网系统工作于独立运行和并网运行两种模式,已成为可再生能源应用的重要技术手段。针对实际应用中存在的技术问题,文中提出了自适应下垂控制策略,其主要包括带低通滤波器的虚拟阻抗控制、主动同步控制和P-D/Q-I下垂控制三部分。首先改进了传统的虚拟阻抗控制,即在该环节加入了低通滤波器,从而在改善基波阻抗特性的同时提高了输出电压质量;然后提出了主动同步控制算法,该算法适用于采用下垂控制的分布式发电单元与电网的同步控制,实现了独立运行到并网运行过程中公共耦合点电压的平滑过渡;最后提出了P-D/Q-I改进下垂控制,改善了传统下垂控制实现电压型并网的性能。仿真分析与实验结果都验证了所提控制策略的有效性,实现了多机组网系统的双模式运行及平滑切换。

线性广义系统的最优和鲁棒满阶平滑器

对于线性离散随机广义系统,利用增广状态方法将平滑器问题转化为增广状态的滤波器问题.基于极大似然线性估计准则,提出了最优的满阶平滑器,其中增广状态滤波器的误差方差阵满足广义Riccati方程.当线性离散广义系统的过程噪声和观测噪声的方差不确定时,基于极大极小鲁棒设计原理和最优满阶平滑算法,得到了鲁棒满阶平滑器.应用动态误差方差分析方法证明了其鲁棒性,即鲁棒平滑误差方差阵存在一个上界方差矩阵.数值仿真例子验证了其有效性和正确性.

单通道自校正去卷平滑器

对于单通道线性随机系统的ＡＲＭＡ输入信号，本文用现代时间序列分析方法，基于白噪声估值器提出了一种新的自校正去卷平滑器，可处理非平稳ＡＲＭＡ输入信号、不稳定和／或非最小相位系统，并给出了仿真结果．

自校正信息融合Kalman平滑器

对含未知噪声统计的多传感器系统,用现代时间序列分析方法,基于滑动平均(MA)新息模型的在线辨识和求解相关函数矩阵方程组,得到了噪声统计的在线估值器,进而在按矩阵加权线性最小方差最优信息融合准则下,提出了自校正信息融合Kalman平滑器,提出了一种按实现收敛性新概念,证明了自校正Kalman融合器按实现收敛于最优Kalman融合器,因而它具有渐近最优性．同单传感器自校正Kalman平滑器相比,它可提高平滑精度,一个目标跟踪系统的仿真例子说明了其有效性．

光伏并网系统中逆变器平滑切换控制策略研究

由于光伏电站中经常出现光伏离网和并网不稳定的情况,针对光伏逆变器并网和与脱网时的控制方式进行研究。提出利用综合式控制策略(PQ控制和下垂控制)进行并网和脱网时的进行控制,并针对不同的控制策略使用不饿的滤波方式,以便达到并网和脱网之间的平滑切换。首先,建立逆变器的模型,然后分别进行下垂控制和PQ控制以及运行状态切换的仿真。仿真结果证明,在不同的时刻切换到合适的控制策略,可以实现逆变器的平滑切换。

多传感器信息融合平滑器算法研究

为了提高融合估计的精度,采用矩阵加权线性最小方差意义下的最优信息融合准则,对多传感器系统,考虑局部估计误差之间的相关性,给出了最优信息融合固定区间平滑器算法。理论和仿真实验表明,融合平滑器精度在总体上高于各局部子系统的估计精度。与融合预报器相比,融合平滑估计比预测平滑估计精度提高了近5倍,显著地改善了传感器的融合估计精度,并且该平滑器具有容错性。因此,本文提出的融合平滑器算法,对于非实时的信息融合问题具有一定的应用价值。

ARMA信号的自校正去卷平滑器

本文从时间序列分析观点处理自适应信号去卷问题.应用新息方法和射影理论,对于通过线性系统被观测的未知的ARMA信号,本文提出了两类新的自校正最优去卷平滑器,包括了一些文献中的问题和结果作为特例,可应用于数据和信号处理、通讯、语音识别等许多不同领域.仿真例子说明了本文结果的有效性.

一类新的固定点和固定区间KALMAN平滑器

应用现代时间序列分析方法，基于ＡＲＭＡ新息模型和白噪声估值器，对线性定常离散随机系统提出了两种新的固定点Ｋａｌｍａｎ平滑器和两种新的正向固定区间Ｋａｌｍａｎ平滑器．它们的优点是避免了解Ｒｉｃｃａｔｉ方程，算法简单，可在线实现．为了保证它们的最优性，给出了最优初值估值公式．仿真例子说明了其有效性．

单通道最优和自校正去卷平滑器及其应用

基于白噪声估计理论，本文提出了单通道ＡＲＭＡ信号的一种新的最优和自校正去卷滤波器和平滑器，可处理非平稳ＡＲＭＡ输入信号及不稳定和非最小相位系统，并给出了在雷达跟踪系统中的仿真应用例子．

信息融合稳态最优Kalman平滑器

应用Kalman滤波方法 ,基于Riccati方程 ,在线性最小方差最优融合准则下 ,提出了按矩阵加权的两传感器最优融合稳态Kalman平滑器 ,给出了最优加权阵和最小融合误差方差阵。同单传感器Kalman平滑器相比 ,可提高平滑精度。