基于判据融合的异步电动机定子绕组匝间短路诊断

为解决定子绕组匝间短路故障诊断中常见异常运行工况干扰的问题,提出一种基于判据融合的异步电动机定子绕组匝间短路故障诊断方案。首先,考虑到故障特征之间的关联性,提出一种以电流特征为主、电压特征为辅的融合判据;然后,通过融合判据对定子绕组匝间短路故障及故障相进行诊断;最后,通过仿真实验证明了该方案的有效性。

基于多源信息融合的巡检机器人定位系统

巡检机器人的高精度位置信息对于机器人巡检管理至关重要,在GPS拒止环境下,惯性测量单元(IMU)和超宽带(UWB)定位是常用的组合定位策略。然而,UWB在复杂环境中易受到非视距影响等产生异常值,严重影响经典非线性卡尔曼滤波的性能。本文基于最大相关性准则(MCC),改进扩展卡尔曼滤波(EKF)及无迹卡尔曼滤波(UKF)提高定位算法面对UWB测量异常值时的鲁棒性和精度。最后,搭建巡检机器人的定位系统验证平台。实验结果表明:所提出的算法能够提高IMU⁃UWB融合定位的精度以及鲁棒性,改进后的最大相关熵EKF(MCEKF)和MCUKF精度分别提升2.9%和5.6%。

多判据融合的换流站监控数据异常甄别系统

换流站监控数据中存在部分异常数据,如果无法有效融合全部异常数据,会造成异常数据维度过大,导致甄别结果不精准,为此设计了基于多判据融合的换流站监控数据异常甄别系统。以MSP430单片机为核心,通过双存储器传输传感信号。设计可视甄别模块,计算两个图像圆点中心坐标距离,以此为依据,判断甄别点与设定阈值之间的关系。检测和筛选换流站监控异常数据,融合多判据数据特征,对数据进行降维处理,降低异常数据维度。构建LSTM分位数回归多判据融合模型,识别电流、电压、功率时间序列,获取置信区间范围,结合曲线斜率甄别异常数据,避免人为设置阈值给甄别结果带来的不确定性。由实验结果可知,该系统甄别出的电压、电流异常节点与实际异常节点数量一致,分别是3个和2个,说明使用该系统能够精准甄别异常数据。

N-P准则下的多传感器信息融合算法设计

传感器是环境感知中实现高度自动化的关键组件。为了实现多传感器系统高水平的抗干扰性和鲁棒性,针对局部传感器稳定性差及精度不足的问题,创新性地提出了一种基于统计判决的多传感器信息融合算法。首先,完成了多传感器融合的基本建模,并设计了单传感器的单值概率特性计算方法。然后,对传统单传感中卡尔曼滤波方法进行了优化设计,消除了累计误差的影响。最后,通过引入奈曼-皮尔逊(N-P)准则完成了多维度评估的多传感器信息融合算法设计。接收者操作特征(ROC)曲线评估试验结果证明了所提算法在理论上的正确性和合理性。相比其他算法,所提算法在抗干扰性和容错性等性能方面有显著优势。实际无人机测试证明了该算法具有一定的实用性。

复杂有色噪声广义系统信息融合Kalman滤波器

针对带复杂有色噪声的线性广义系统,提出了矩阵加权融合稳态Kalman滤波器。应用奇异值分解将原广义系统滤波问题转化为两个正常子系统滤波问题。通过状态增广与量测变换法将有色过程噪声、有色量测噪声化为白噪声,因此问题转化为带相关白噪声正常系统Kalman预报问题。基于线性最小方差意义与矩阵加权融合准则得到了复杂有色噪声作用下的广义系统融合Kalman预报器,进而得到带复杂有色噪声的原广义系统滤波器。该滤波加权融合算法精度高于各单传感器局部滤波器,低于集中式融合滤波器。Monte-Carlo仿真实验证明了该滤波融合算法的有效性与可行性。

基于红外与可见光图像信息融合的绝缘子污秽等级识别

绝缘子污秽等级的准确识别是污闪防治的有效途径。红外和可见光图像分别表征了污秽绝缘子的表面温度和色彩分布,可从不同角度反映绝缘子的污秽状态,该文提出了基于红外和可见光图像信息融合的绝缘子污秽等级识别方法。建立并求解了湿污绝缘子发热数学模型,得到了绝缘子表面温度分布;通过实验获取绝缘子红外及可见光图像,经图像分割后,提取了绝缘子盘面红外与可见光特征并用Fisher判别法进行选择;将选出的特征与环境湿度、照度组合成为特征向量,并使用贝叶斯决策理论对其进行特征级信息融合,识别绝缘子污秽等级;最后对现场样本进行了识别。实验结果显示,图像信息融合提高了绝缘子污秽等级识别准确率,现场测试结果准确,为准确识别现场绝缘子污秽等级提供了新方法。

多级方向引导滤波器及其在多传感器图像融合中的应用

基于多级方向引导滤波器,提出一种图像多尺度几何分析方法,并将其应用于多传感器图像融合中.首先利用引导滤波器对图像进行多级边缘保持分解,得到一个近似子带和多个不同尺度上的细节子带;然后采用楔形小尺寸方向剪切滤波器对细节子带进行方向分析,在不同尺度上生成多个方向子带,根据近似子带和方向细节子带所具有的不同物理意义,分别采用不同的融合准则对分解后的系数进行合并处理;最后通过对合并后的系数进行简单的叠加计算获得重构图像.该方法有效解决了在其他多尺度分解中滤波器缺乏自适应性和图像分析不具备平移不变性的问题.多组图像融合实验结果表明,在图像融合过程中,该方法的性能优于已有的其他典型多尺度分解方法.

多传感器线性最小方差最优信息融合估计准则

用Lagrange乘数法和矩阵微分运算 ,分别提出了按矩阵加权、按标量加权和各分量按标量加权的三种线性最小方差信息融合估计准则 ,其中考虑了估计误差之间的相关性 ,推广和发展了现有文献的结果。文中比较了三种融合估计的精度和计算负担 。

基于多传感器信息融合理论的交互式多模型算法

在经典的交互式多模型算法中,对似然函数的高斯近似以及概率密度函数与概率质量函数的混合计算使得所求得的模型概率仅为贝叶斯意义下的次优值.为解决此问题,基于各滤波器估计误差的相关性和多传感器最优信息融合准则,提出了一种重新加权的交互式多模型算法.该算法通过计算估计误差的互协方差阵对模型概率进行更新,在此基础上利用最优信息融合理论对各滤波器的滤波结果进行融合.理论分析及仿真结果表明:经过重新加权的交互式多模型算法较原始算法以及其他忽略误差相关性的交互式多模型的改进算法在估计精度上均有显著的提高.

采用交互信息量评价遥感图像融合结果的方法

提出了采用交互信息量的评价准则来评价遥感图像的融合效果的方法 ,该方法通过衡量融合图像与源图像的互信息来评价融合效果 ,具有简单、准确、抗干扰性好的特点 .通过将它与采用熵和联合熵的评价方法相比较 ,实验结果表明交互信息量是一种很好的评价方法 .

煤矿井下自燃火灾的图像识别及综合判据系统

煤矿自燃火灾的早期探测及预报是保证煤炭生产安全的有效手段。目前已有的各种预测预报技术,虽对煤炭自燃火灾的防治起到一定的作用,但对于不同煤质和不同地质赋存情况下的煤矿,单一探测方法的预测精度有限,在探测的准确性和有效性方面尚不能完全满足各种类型煤矿安全生产的需要。为了提高煤炭自燃灾害早期探测的可靠性,笔者提出一种以图像识别技术为基础的煤炭自燃发火探测方法,并进一步利用信息融合技术结合其他探测方法建立一套煤矿自燃发火综合判据系统,该系统有助于提高煤炭自燃预测的准确性,对煤矿的安全生产能发挥重要作用。

基于红外与紫外图像信息融合的绝缘子污秽状态识别

为了实现绝缘子污秽状态的非接触检测,提出了一种基于红外与紫外图像信息决策级融合的污秽等级识别方法。分别计算不同污秽等级绝缘子红外与紫外图像特征,根据Fisher准则进行特征选择,得到可以有效表征污秽状态的特征量,为了提高分类器的运算速度和准确性,利用核主元分析(KPCA)进行特征提取,分别得到红外与紫外特征的三维核主元向量,使用径向基神经网络(RBFNN)分别进行污秽等级识别,利用D-S证据理论对识别结果进行决策级融合,实现绝缘子污秽等级的识别。实验结果表明,该方法的正确率显著优于单独使用红外或紫外特征进行识别,为绝缘子污秽状态的非接触检测提供了新的方法。

排水管道堵塞故障的声诊断方法研究

针对现有城市排水管道堵塞程度难以辨识的问题,提出一种基于多特征融合与随机森林的排水管道堵塞程度辨识方法.首先对排水管道中采集到的声响应信号进行分帧处理建立信号帧集合.其次,提取各个信号帧的A计权总声压级、能量熵、分形盒维数指标构建特征向量集合;引入距离可分性判据,以达到对特征向量集合去冗余并提高特征区分度的目的;并利用类内类间散布矩阵的迹作为权重实现特征的加权融合.最后,对加权融合的特征向量集合使用随机森林进行故障辨识.实验结果表明,基于距离可分性判据的多特征融合特征向量集合可取得更高的管道堵塞故障识别率;同时,随机森林的堵塞辨识模型与SVM辨识模型比较,随机森林辨识模型有较高的准确率和较快的辨识速度.经验证,本方法不仅能有效地识别不同程度的管道堵塞故障和重复堵塞情况,而且能够排除管道配件比如三通件对故障识别的影响.

利用时空电气量基于灰色关联度的电网故障诊断

利用网络拓扑、SCADA开关量、故障录波数据等信息,提出了一种基于灰色关联度计算的电网故障诊断方法。针对停电区域中的每条疑似故障线路,利用故障时刻前后的电流采样值,计算其3种纵向灰色关联度;选取一条有源参考线路,针对故障时刻后各疑似线路的电流采样值,计算它们与参考线路之间3种横向灰色关联度。然后对各纵向灰色关联度和横向灰色关联度进行加权融合,得到疑似线路的综合灰色关联度,给出故障判据,准确地识别出故障元件。在IEEE 14节点上的仿真实验,验证了该方法在不同故障位置、各类故障类型及不同过渡电阻下,均能准确识别出单个故障和双重复故障元件。

小波图像融合的最佳参数研究

为了选择一种在复杂条件下能取得较好效果的小波图像融合方法,文中对一些小波基和小波分解层数进行了比较。使用了基于区域的图像融合规则,同时通过量度融合图像的熵和标准差,进行多传感器图像融合效果的评价,通过对四类图像的融合实验,筛选出最佳的小波基和其分解层数。实验表明bior3.9是图像融合时的最佳小波基。

基于图像信息融合的绝缘子污秽状态识别

提出基于图像信息决策级融合的绝缘子污秽状态识别方法。对绝缘子图像分别在RGB和HSI色彩空间计算特征量,根据Fisher准则进行特征选择,得到可以有效表征污秽状态的特征量,为了提高分类器的运算速度和准确性,利用核主元分析(KPCA)进行特征提取,在RGB和HSI色彩空间各得到一组三维核主元向量,使用径向基神经网络(RBFNN)分别在RGB和HSI色彩空间进行污秽等级识别,利用D-S证据理论对识别结果进行决策级融合,实现绝缘子污秽等级的识别。实验结果表明该方法可以显著提高识别正确率,可为输电线路绝缘子故障诊断提供依据。

绝缘子污秽等级可见光图像识别方法研究

为实现绝缘子污秽状态的非接触检测,提出一种基于绝缘子图像RGB和HSI色彩空间信息特征级融合的污秽等级识别方法。利用数学形态学改进的最大熵阈值分割法(OET)提取绝缘子盘面区域,分别在RGB和HSI色彩空间进行特征计算,利用Fisher准则进行特征选择,得到可有效区分污秽等级的特征量,采用核主元分析(KPCA)对两个色彩空间的特征进行融合,得到三维融合特征向量,采用粒子群优化(PSO)的BP神经网络实现污秽等级识别。实验分析表明,基于核主元分析的图像色彩信息特征级融合能够全面地反映绝缘子污秽状态,与单独利用RGB或HSI特征进行识别相比,准确率有显著提高,可以实现绝缘子污秽等级的有效识别,为污闪防治工作提供了新的方法。

考虑非均匀分布特性的电压暂降数据生成方法

电压暂降监测数据具有非均匀分布特性,影响敏感设备评估及治理决策。该文提出一种电压暂降数据生成方法,实现了考虑暂降类型非均匀以及特征非均匀分布的暂降数据生成,解决了敏感设备评估等研究中电压暂降数据不足的问题。首先,提出了基于融合判据系数的电压暂降分类方法,定义电压暂降恢复系数等特征及其计算方法,构建奇异特征直线距离系数等分类评价指标,通过融合判据对假设暂降类型进行直观评价,解决了暂降类型非均匀的问题。其次,建立电压暂降概率密度能量因子,刻画幅值、持续时间的概率密度分布特征,提出一种基于改进Star GAN(generative adversarial networks)网络的电压暂降数据生成方法,实现了按特征分布的暂降数据生成。最后,应用仿真数据和实测数据,验证所提方法的准确性、适用性和低数据依赖性。

联合信息融合和解析方法的微震源定位研究

针对现有微震源定位算法大多基于均匀速度假设以及采用迭代解法导致计算量大且稳健性不佳的不足,通过对走时方程的变换和求解,推导了考虑速度各向异性的微震源解析解,提出了一种新的微震源定位方法。新方法由6个有效检波器数据实现定位。考虑到波速特征的复杂性,将随机模拟方法应用于产生大量震源备选解,并从信息融合角度对最终震源解进行探讨,将粗大误差判别准则和聚类分析方法用于获取最终的震源解。通过算例验证表明:提出的解析方法正确合理,且采用的信息融合方法科学合理,并建议在实际应用中采用粗大误差判别准则确定最终微震源。

基于图像色彩特征融合的绝缘子污秽等级检测

针对绝缘子污秽状态非接触检测问题,提出基于可见光图像RGB(red green blue)和HSI(hue saturation intensity)空间信息特征级融合的污秽等级检测方法.利用最佳熵阈值分割法(OET)提取绝缘子盘面区域,分别在RGB和HSI色彩空间进行特征计算,根据Fisher准则进行特征选择,得到可以有效表征污秽状态的特征量,利用核主元分析(KPCA)对两个色彩空间特征的组合进行降维融合,得到三维融合特征向量,结合概率神经网络(PNN)实现污秽等级识别.实验分析表明,基于核主元分析的图像信息特征级融合能够全面地反映绝缘子污秽状态,与单独利用RGB或HSI特征进行识别相比,其准确率有显著提高,可以实现绝缘子污秽等级的有效识别,为绝缘子污闪防治提供了新的方法.