基于Hampel和XGBoost联合算法的变电站巡检人员室内定位方法研究

变电站内部结构复杂,人员走动频繁,无线信号在传播过程中受到干扰,导致用于巡检定位的数据质量差。针对该问题,文章提出一种基于Hampel和极度梯度提升树(eXtremegradient boosting,XGBoost)联合算法的变电站巡检人员室内定位方法。首先,利用Hampel滤波剔除信号序列异常值,并采用自适应反距离加权插值法补偿信号序列,从而得到新的信号序列;然后,将新序列带入训练好的XGBoost回归模型,得到信号预测值;最后,利用预测值基于路径损耗模型得到人员坐标。将所提方法分别在模拟环境中进行验证。验证结果表明,所提方法在数据预处理阶段对质量差的数据有较好的处理效果,并且对比传统的极限树和多层感知机回归算法模型,在模拟的变电站室内机房中定位精度分别提高21.9%、32%,在模拟的大面积的变电站环境中定位精度显著提高。

畜禽粪污好氧发酵多参数监测系统设计与试验

为解决畜禽粪污好氧发酵监测系统的参数单一、缺少罐体强度与监测数据有效性分析等问题,研究设计了畜禽粪污好氧发酵多参数监测系统,并开展测试与试验。该系统基于多点分布的气体-温度传感器,采集粪污发酵过程中CO_(2)、O_(2)及不同堆层温度的实时数据,利用DWIN DGUS开发平台搭建本地操作系统,实现监测信息的显示、存储等,并采用ANSYS软件对发酵罐体及搅拌机构的结构强度进行分析。结果表明,在机械结构强度仿真分析过程中,发酵罐体及搅拌机构最大等效应力分别为0.837 MPa、0.276 MPa,最大变形量分别为(1.61×10^(-3))mm、(4.44×10^(-4))mm,强度符合设计要求;在预试验过程中,发酵罐内在不同堆层的温度变化一致,其中罐内温度传感器A~E采集温度的平均值分别为28.60℃、28.64℃、27.82℃、28.73℃和28.21℃,均显著高于罐外温度传感器F的平均值25.51℃(P<0.05),罐内CO_(2)、O_(2)浓度最大差值分别为221 ppm、0.5%;在正式试验过程中,粪污好氧发酵过程经历了完整的升温、高温、降温阶段,且粪污发酵高温期持续时间在5 d以上,罐内CO_(2)浓度与O_(2)浓度呈相反的增减趋势变化;借助hampel滤波识别方法分别构建了罐体中、下层的粪污发酵温度与发酵时间的回归模型,相关系数R2分别为0.85和0.79。说明该系统中各传感器采集的数据稳定,发酵过程符合好氧发酵的变化规律,发酵温度与发酵时间具有较好的相关性,可满足规模化好氧发酵过程参数在线监测需求。

结合正则化K-SVD和Hampel滤波的探地雷达数据重建

为减弱因地形起伏造成的探地雷达数据间的能量差异,保证探地雷达图像解译和识别的准确性,本文提出了一种正则化K-SVD字典学习和Hampel滤波算法相结合的探地雷达数据重建方法。试验采用正则化K-SVD字典学习对探地雷达信号进行能量均衡,利用Hampel滤波算法剔除均衡后的信号异常值,并对均衡后的信号进行二维可视化,从而完成探地雷达图像重建。对比试验表明,本文方法不但可以均衡原始的探地雷达信号,而且其均衡后的信号更加符合探地雷达信号传播规律,可以保证单道数据信号的质量;其重建的图像效果更好,在探地雷达图像重建方面具有较好的实用价值。

一种面向卫星共视授时应用的星站钟差融合方法

面向GNSS共视授时系统中非连续性多源星站钟差的数据融合需求,提出了一种采用集中式融合结构的数据融合方法。具体地,采用Hampel滤波器剔除钟差观测数据中的奇异值并填补空缺值;采用动态权值分配的加权平均算法实现钟差数据融合;采用Kalman滤波器或α-β滤波器进行跟踪滤波,生成钟差融合终值。仿真实验结果表明,所提出的数据融合方法能够有效抑制观测过程中的误差,输出一组更接近真实值的星站钟差数据,适合星站钟差数据的融合处理,也为其他非连续性多源数据融合应用提供借鉴思路。

基于Hampel-DeepAR模型的浅埋隧道洞口塌方处治变形预测研究

为评价浅埋隧道洞口段塌方处治后的安全性,基于处治后围岩变形及受力监测数据,采用Hampel滤波器处理数据异常值,结合时间序列预测DeepAR模型,建立Hample-DeepAR数据预测模型,应用于塌方处治后围岩稳定性分析,验证处治措施的有效性。结果表明,Hampel-DeepAR模型对拱顶沉降预测的MAE,MSE,RMSE,R^(2)值分别为0.0185,0.0005,0.0214,0.5648,相比DeepAR、ARIMA、SVM、LSTM、BP模型具有更高预测精度及更优的预测效果,表明采用Hample滤波器预先处理异常值的必要性,验证了Hampel-DeepAR模型的适用性。围岩位移及受力预测数值显示,拱顶沉降值为6.58 mm,周边收敛值5.89 mm,拱顶围岩压力值0.186 MPa,钢筋最大应力值152.47 MPa,二衬混凝土最大应力值1.73 MPa,处治后围岩稳定性得到较大提高,可为隧道塌方处治效果的评定提供理论依据。

一种基于小波变换的去噪新算法

提出一种去除观测信号中白噪声的新方法.分析了白噪声和一般信号的小波变换系数的不同特点,对Hampel滤波器进行了改进.利用白噪声和一般信号小波变换系数的不同特点,用改进后的滤波器对信号小波变换系数序列进行滤波处理,从而达到降噪的目的.仿真结果表明,滤波算法对不同种类、不同信噪比的信号有很好的降噪效果,尤其适用于强噪声背景下弱信号的检测.

一种强噪声下的监护信息降噪方法

为提高监护信息系统预报的准确性,提出一种强噪声下监护信息的降噪方法.该方法利用小波变换分析噪声和生理信号的小波系数的特点,应用Hampel滤波器对生理信号小波系数进行滤波处理,并将处理后信号进行小波逆变换,实现监护信息的降噪处理.选择PhysioNet数据库数据进行实验,结果表明文中方法对监护信息有较好的降噪效果.

监护信息系统中异常值的识别和处理方法

提出了一种监护信息系统中异常值分析处理方法,以提高模型辨识的准确性.应用Hampel滤波器算法,识别监护数据中异常值出现的位置;并采用最小二乘支持向量机回归模型,基于递推预报的方法,对于出现异常值的数据点进行数据重构,实现监护信息系统中出现异常值分析处理.通过应用PhysioNet生物医学信号研究资源中的三组数据集:心率、中心静脉压以及血氧饱和度,进行实验研究,结果表明此方法在对监护数据异常值进行分析和处理中取得了很好的效果.

监护信息重构方法研究

监护信息系统中通常采用系统建模的方法对监护数据进行分析处理、并识别异常状况。通常这些模型是在模型结构确定的条件下,应用监护数据辨识获得。实际检测获得的监护数据通常包含大量异常值,这会严重降低模型辨识的准确性。提出了一种监护信息系统中异常值分析处理方法。应用Hampel辨识器算法,识别监护数据中异常值出现的位置;并采用kalman滤波器算法的方法对于出现异常值的数据点进行数据重构,实现监护信息系统中出现异常值分析处理。通过应用PhysioNet生物医学信号研究资源中的两组数据集,包括心率和中心静脉压,进行实验研究,结果表明此方法对监护数据异常值分析和处理中取得很好的效果。