伪随机码相关检测的MDS MAP定位算法

针对当前无线传感器网络超声波设备定位精度不高的问题,改进了伪随机码相关的MDS-MAP定位算法。首先利用伪随机码相关检测技术,对节点发射出的超声信号进行编码,有效地增加了节点的测距距离和测量精度。然后对于未能测量到距离的节点使用Euclidean和最短路径融合算法进行处理,然后使用MDS-MAP算法生成节点的相对坐标,最后利用平面转换模型获取节点的最终坐标位置。仿真实验结果表明改进算法在不同网络规模和测距误差条件下均能够获得更高的定位精度和较小的定位误差。     

基于序列加权的无线传感器网络定位算法

针对阶次序列定位算法的复杂度高和定位精度低的问题,提出了一种新的无线传感器网络阶次序列加权定位算法,给出了该算法的基本原理与实现方法。该算法首先采用Voronoi图对定位空间进行划分,将多边形的点、面的重心及其和边界交汇点作为虚拟信标节点,然后建立虚拟信标节点到信标节点的阶次序列表。最终,该算法计算未知节点序列与构建的最优序列表中各序列的Kendall阶次相关系数,通过对系数的归一化处理实现未知节点位置的加权估计。仿真结果表明,新算法在降低算法复杂度的同时降低了边缘节点定位误差,定位精度也有所改善。     

基于相关检测的漏点定位系统设计

利用管道泄漏时产生频率相对稳定的振动现象的特点,使用互相关函数峰点跟踪系统的设计原理,结合单片机系统,设计使用方便的泄漏点定位测试系统.该系统首先将振动传感器信号转化为频率信号,由单片机及其辅助模块对频率信号进行计数、计算并显示结果.该系统能有效地抑制噪声,快捷而准确地检测到漏点位置,且可以自评定测量结果是否准确.     

基于改进的变分模态分解和LGBM算法的换流站消防管道泄漏监测定位方法

超高压换流站消防管道多埋设于地下,容易受到站内入地电流腐蚀从而产生严重的泄漏。本文基于变分模态分解(Variation Mode Decomposition, VMD)和轻量级的高效梯度提升树(Light Gradient Boosting Machine, LGBM)设计一种新的管道泄漏监测定位算法。该算法首先对VMD算法进行改进,在保证分解充分的前提下尽可能以较低的计算量将采集到的原始信号分解,并在将VMD算法和小波去噪算法相结合,对信号进行去噪处理以确保提取具备较优表征的特征。为提高管道泄漏监测的准确性和时效性,本文引入LGBM模型,将去噪后提取的特征作为模型的输入,通过训练所得的模型来判定管道泄漏的运行状态。若泄漏发生,则对采集信号进行时延估计来互相关运算,定位泄漏点位置;未发生泄露,则继续进行下一次判断。从而实现管道运行状态在线监测的目的。     

基于虚拟仪器的管道泄漏监测与定位系统设计

随着输油管道在国民经济中的地位提高及不可避免的老化盗油等原因，管道泄漏监测日益成为管道运行安全的关键和重要保证。为了及时准确的报告泄漏点的位置，基于虚拟仪器构建了对管道的泄漏点进行监测和定位系统，并搭建管道泄漏检测实物模型，通过对压力梯度法的改进，设计出与之对应的软件系统模型。该模型基于LabVIEW平台，能够精准的对管道泄漏进行监测，通过组内组间比较可以准确的定位泄漏点位置，从而提升了压力梯度法定位精度低的问题，降低了误报的频率，实现了对管道泄漏的实时监测与定位的功能。     

基于移动信标的水下无线传感器网络定位算法

针对现有水下无线传感器网络定位算法定位精度不足且无法适应水下多变的网络拓扑的问题，提出一种基于移动信标的水下无线传感器网络定位算法。首先通过RSSI测距定位和DV-Hop算法获取未知节点的大致分布情况，其次以未知节点定位覆盖率作为目标函数，采用经过自适应惯性权重和柯西-t扰动策略优化的改进秃鹰搜索算法迭代求解信标节点移动的最优位置，最后信标节点移动到最优位置再对未知节点进行重新定位。仿真结果表明,与对比算法相比，移动信标节点定位算法能有效提高未知节点定位精度，在网络拓扑变化时也能保持较高的定位精度且定位效果稳定。     

基于RSSI的改进质心定位算法

为提高无线传感器网络三角形质心定位算法的精度,提出一种基于RSSI的改进质心定位算法.首先,分析传统基于RSSI的三角形质心定位模型,发现单个锚节点测距误差较大会导致盲节点的定位精度受到影响,因此采用4点进行定位来降低单个锚节点权重;其次,改进的质心定位算法选择根轴相交组成的区域作为定位参考区域,将该区域的质心位置作为待测盲节点位置;最后,采用仿真实验对比算法的精确度和稳定性,实验结果表明,相比于传统算法,改进算法定位精度更高,而且定位误差波动更小.     

基于无线传感器网络的定位算法的研究

从无线传感器网络的应用研究角度出发,传感器节点位置信息的获得是任何应用的基础。本文采用了最小二乘法和极大似然估计法分别对未知节点进行计算的非测距的DV—Hop定位算法实现了对数据进行定位处理,且采用极大似然估计法对未知节点的计算可以获得较高的定位精度。     

基于神经网络的管道流量泄漏在线监测技术的实现

为了解决目前管道流量泄漏监测和定位问题,根据管道泄漏应力波和正常信号的区别,建立神经网络模型.运用LabVIEW分析传感器在泄漏管道不同位置拾取的泄漏信号的时频域特征,进行泄漏信号的提取,根据时频域特征指标来构造人工神经网络的输入矩阵,建立了能对管道流量泄漏状况进行分析监测定位的人工神经网络,实现了管道流量泄漏监测的单传感器定位,进行流量泄漏在线系统分析.理论分析和实验研究表明:基于人工神经网络的管道运行状况分类器能够较为迅速准确地预报出管道运行状况,检测管道是否泄漏,并且有较强的抗恶劣环境噪声干扰的能力.采用人工神经网络这一非线性理论和模式识别的人工智能方法有助于提高管道系统泄漏检测的灵敏度和精度,并降低误报率.     

基于RSSI的极大似然与加权质心混合定位算法

随着无线传感器网络的发展,日益需要更加精确的位置信息来支撑其相关的应用.通过分析待定位节点定位过程中产生的误差,对二阶段定位算法、接收信号强度指示（received signal strength indicator,RSSI）定位技术和质心算法进行深入的研究,提出了极大似然与加权质心混合定位算法：首先通过极大似然估计法对待定位节点进行粗略估计,然后利用加权质心算法对待定位节点坐标估计求精,进一步提高定位精度.仿真实验结果表明,该算法能够在定位精度方面有较大的提高.     

联合 TCT 和 W-SpSF 的气体泄漏定位

为提高基于声学检测压力气体漏源定位方法在强噪声干扰下定位运算收敛速度和定位精度，提出一种基于加权子空间拟合(WSF)准则的宽带测向稀疏表示模型(W-SpSF),将模型与双边相关变换算法(TCT)相结合，通过聚焦运算得到聚焦频率处的协方差矩阵，并作为稀疏恢复的数据，最终实现DOA定位，得到漏源的位置。定位过程中，采用加权子空间拟合降低噪声的敏感程度。分别在仿真和实验室模拟环境中对算法进行测试，经仿真结果表明，在加入强噪声干扰条件下，相比于同类算法的运算速度提升最低50%,定位误差减少20%,在实测环境下，本文搭建了8元声传感器阵列的声源定位系统，针对气瓶模拟泄漏能够实现定位，且漏源定位速度快，证明了算法在实际环境中的可行性。     

基于气体扩散模型的气体源定位系统

为了快速准确地确定气体泄漏源的位置,利用无风连续泄漏点源浓度的扩散模型,提出了基于加权质心算法的气体源定位法。采用气敏传感器阵列对目标区域的气体浓度进行检测,并通过ZigBee无线传感器网络把收集的数据反馈给协调器,协调器把打包好的数据传递给主处理器,处理器依靠测量的结果计算出气体源位置,并可视化显示。在目标区域为4 m×4 m,以乙醇蒸汽为实验目标气体进行气体源定位实验。结果表明,平均定位结果相对误差不超过6%,验证了该方法的准确性。     

红外成像检漏技术在SF_6设备检修工作中的应用

提高技术人员SF6气体泄漏检测水平,使技术人员能更快速、准确地发现气体泄漏点。对广西电网近期SF6电气设备的气体泄漏检测工作进行统计,并分析红外成像检漏技术在广西电网的应用情况。根据统计数据得出,设备易发生气体泄漏的部位为法兰盘密封处、压力表连接处、气体管道处、焊接处等,对各泄漏部位发生泄漏的原因进行剖析,并提出相应的运维建议。SF6红外成像检漏技术的应用推广,使得技术人员在电气设备现场检修工作中迅速、准确地查找到SF6气体泄漏点。     

基于稀疏轻量卷积神经网络的管道泄漏检测

针对传统供水管网泄漏检测问题,本文提出了一种基于稀疏轻量卷积神经网络的管道泄漏检测算法。首先通过声音传感器采集管道泄漏的声音信号,经过立体声转换、重采样、长度对齐等预处理操作后,将其转换成梅尔频谱图。然后,构建一种稀疏轻量化的卷积神经网络模型来对梅尔频谱图进行特征抽取和泄漏检测。针对声音特征图的稀疏和时延性质,本文采用Inception网络结构来进行提高模型的特征抽取能力。此外,因为该模型需要被部署到边缘侧,因此设计了一种基于SqueezeNet的轻量化卷积神经网络模型来减少模型的参数,降低模型复杂度。实验结果表明,提出的管道泄漏检测算法在保证复杂度较低的同时具有较高的识别准确率。     

采用RSSI模型的无线传感器网络协作定位算法

由于无线传感器网络定位成本较高,精度不能满足要求以及通信和计算开销过大等问题,提出一种针对定位各阶段实施误差抑制措施的接收信号强度指示(RSSI)测距的协作定位算法。测距阶段通过周期性测量获得模型动态参数,采用相对误差系数对RSSI测距进行校正,定位阶段则基于泰勒级数扩展线性最小二乘方法实现位置估计,采取残差加权法优化位置坐标,减小非视距(NLOS)的不利影响。引入协作定位,将符合要求的节点升级为参考节点参与定位计算,进一步提高定位覆盖率和精度。实验结果表明,所提算法精度接近基于真实坐标的泰勒级数扩展LS算法,相同条件下的精度远高于传统估计算法。节点最大定位误差为0.15,最小定位误差为0.08,网络节点平均定位误差为0.109,能够满足大规模无线传感器网络(WSN)的定位需求。     

Chan-IDW算法在信号干扰下的UWB精确定位研究

随着人们对室内定位需求不断增加,具有良好通信功能以及定位性能的超宽带(UWB)技术在室内定位领域发挥着重要作用。针对UWB通信信号在室内复杂环境中容易受到干扰,造成定位误差的问题,本文建立K-means算法对采集数据进行聚类分析,剔除有信号干扰时产生的错误测距数值,并在经典Chan算法的基础上进行改进创建出Chan-IDW模型来确定靶点位置的实际坐标,再通过均方差误差(RMSE)来衡量出该定位模型的精度。实验结果计算出在信号干扰下定位的靶点二维坐标平均误差为5.67 cm,三维坐标平均误差为11.34 cm,误差均在厘米级别,表明该模型求解靶点坐标与其真实坐标非常接近。因此得出结论,Chan-IDW模型可有效解决室内信号干扰下的UWB精确定位问题。     

基于MEEMD-KF-散布熵的油气管道工况识别

针对油气管道泄漏检测过程中,泄漏信号包含大量噪音、特征提取困难等问题,提出一种改进的总体平均经验模态分解联合卡尔曼滤波算法的管道信号去噪方法。首先采用改进的总体平均经验模态算法对采集到的管道负压波信号进行分解,其中利用排列熵和卡尔曼滤波算法对分解后的固有模态分量进行筛选和处理,最后得到重构后的削噪信号。并且提出基于散布熵和峭度的特征提取法,将提取的特征参数作为支持向量机的输入来对输油管道的工况进行分类识别。经采集到的数据验证,改进的总体平均经验模态分解、卡尔曼滤波、散布熵与峭度结合的组合识别方法可以较准确的对管道信号进行分类识别,结果显示其总平均识别准确率达到98.89%,为管道的工况识别研究提供了一种新的途径。