气候多变型区域配电系统可靠性预测

为研究天气情况对配网系统可靠性预测结果的影响,在考虑三态气候状态下建立了可靠性评估的隐马尔科夫链模型,针对配网系统运行过程中所监测到的性能特征参数和不能与运行状态简单地一一对应的问题,来识别多观测序列下装备隐含的状态变迁过程。根据建立的状态变迁模型并结合切普曼-柯尔莫哥洛夫微分方程来推断系统运行可靠性。最后通过算例验证了文中模型及算法的可用性。     

基于隐马尔科夫树模型的小波域压缩采样信号重构方法

压缩传感理论利用信号的稀疏性,对其非自适应线性投影进行压缩采样,通过最优化问题准确重构原始信号。传统重构算法仅利用了信号的稀疏性,而未对转换后的信号结构进行分析。提出了一种基于4状态的隐马尔科夫树模型的小波域压缩采样信号的重构方法,相对2状态的隐马尔科夫树模型,该模型能够获取相邻尺度小波系数的更多相关特性,通过仿真结果表明,该算法具有更高的重构精度。     

目标跟踪在坦克防撞中的研究与应用

考虑到毫米波雷达在噪声源较多的战场上存在较大的测量误差,为了提高毫米波雷达在坦克防撞系统中采集数据的可靠性,提出了用交互式多模型卡尔曼滤波算法对坦克前方机动车辆进行准确的目标跟踪。该算法运用不同机动模型的卡尔曼滤波器进行并行处理,以模型匹配似然函数为基础更新模型概率,并组合所有滤波器的修正后的状态估计值以得到状态估计。仿真结果表明,该算法能够有效的跟踪坦克前方行驶的车辆,获悉其距离、速度等信息,具有跟踪精度高的特点,降低了虚警率。     

基于CHSMM的变压器状态评估方法研究

为了保证电力系统可以安全、可靠运行,实时对油浸式变压器的健康状态进行评估是非常必要的。针对现有技术存在的问题,提出一种基于改进隐马尔科夫模型(Hidden Markov Model,HMM)的油浸式变压器运行状态评估方法。针对传统马尔科夫模型的缺点,进行模型改进,提出了将连续隐半马尔科夫模型(Continuous Hidden Semi-Markov Model,CHSMM)应用到基于DGA技术的变压器状态诊断。经仿真实验证明,该方法实现简单、应用方式灵活、能够精准评估油浸式变压器的运行状态。基于CHSMM的变压器状态评估方法实现了对变压器状态的有效评估,可为实际工程中油浸式变压器的状态评估提供指导。     

基于改进连续隐马尔科夫模型的风机齿轮箱故障诊断

连续隐马尔科夫模型(CHMM)应用于风机齿轮箱故障诊断,针对隐马尔可夫模型训练算法易收敛于局部最优解,提出了一种改进的BSA-CHMM参数训练算法,将鸟群算法(BSA)与Baum-Welch算法相结合,可有效的跳出局部最优解。分析振动信号并利用小波包分解与重构提取频带能量作为特征向量;将正常及各故障状态的训练样本特征作为模型观测值输入BSA-CHMM模型进行训练;最后将各检验样本特征输入各状态模型中,得到输出概率作为故障诊断的评判依据。通过Matlab仿真试验结果表明:所提出的诊断方法能够准确地诊断出故障状态,且相较于传统的CHMM训练算法能取得更好的训练结果。     

基于模糊交互多模型的机动目标被动跟踪算法

针对双观测平台纯方位测量的机动目标,提出了自适应归一化的模糊交互多模型算法。算法利用目标的方位信息,通过模糊推理机制自动调整过程噪声水平。提出了限定记忆归一化方法来自适应归一化模糊系统的输入变量,使得输入变量值始终保持在一个合理的范围内。仿真结果表明,与基于增长记忆归一化方法和经验法的模糊交互多模型算法相比,基于限定记忆归一化的模糊交互多模型算法的跟踪误差分别降低了9.56%和9.29%,能更好地跟踪机动目标的位置、速度和加速度。     

基于隐马尔科夫模型的牵引变压器油纸绝缘剩余寿命预测

为考虑动车组车载牵引变压器油纸绝缘老化状态对剩余寿命的影响,本文采用油中溶解气体含量作为反映油纸绝缘老化的特征参量,由于油纸绝缘老化过程中具有动态特性,依据油纸绝缘老化状态与特征参量之间对应的隐藏状态与观测状态建立隐马尔科夫模型。首先通过贝叶斯信息准则确定隐藏状态数目,利用k-Means算法对观测序列进行聚类处理。在此基础上,利用Viterbi算法对观测序列进行状态识别进而确定油纸绝缘老化状态,最后结合比例风险模型确定可靠度函数。通过CRH2型动车组车载牵引变压器油中溶解气体在线监测数据验证模型的准确性,最终得到油纸绝缘的剩余寿命与实际寿命基本相符,从而可为后续制定牵引变压器维修策略提供理论参考。     

基于雷达信噪比模型的目标跟踪算法研究

为了解决目前雷达目标跟踪算法中存在的准确性低、稳定性差的问题,提出了一种基于雷达信噪比模型的雷达目标跟踪算法,该算法对雷达信噪比进行建模,评估测试过程中固定不变的参数数值,并对每一时刻的变量进行预估计算处理,从而获取目标运动轨迹和雷达跟踪强度。仿真结果表明,基于雷达信噪比模型的目标跟踪算法,确实可以及时有效的获取目标的运动轨迹和雷达跟踪强度,提高雷达目标跟踪系统的准确性和稳定性。     

基于变维交互式多模型算法的近区目标跟踪研究

雷达数据处理中的一个关键部分是目标跟踪,它负责对目标的点迹进行滤波,降低噪声影响.交互式多模型算法是一种基于广义伪贝叶斯算法的具有马尔科夫转移概率的多模型算法.它可以用多个模型匹配目标的不同机动模式,避免了单模型不能全程匹配带来的模型误差.近区目标往往具有较大的角速度和角加速度,模型集里包含角速度分量可以更好的匹配其机动形式.于是在交互式多模型的基础上提出了一种变维交互多模型算法,可以对不同维度的模型集进行交互滤波,以取得更好的跟踪精度.     

基于长短期记忆神经网络的光伏阵列故障诊断

目前的故障诊断方法无法精确识别与定位光伏发电系统中光伏阵列的故障,导致光伏发电运维成本增加。为此,本文提出一种基于长短期记忆（LSTM）神经网络的光伏阵列故障诊断模型。在MATLAB/Simulink软件环境下,搭建光伏发电系统仿真模型,采用扰动观测的最大功率点跟踪（MPPT）算法和电网电压闭环控制策略,分析光伏组件断路和遮挡等故障的机理,并对光伏阵列故障状态进行仿真,研究不同故障状态对光伏系统输出特性的影响,进而获取故障特征参数。建立LSTM神经网络故障诊断模型,采集光伏阵列在不同故障条件下的特征参数作为训练样本,对模型进行训练,并与BP神经网络模型进行比较,发现LSTM神经网络模型的测试正确率高于BP神经网络。采用光伏实验平台模拟不同光伏阵列故障,将故障特征参数输入LSTM神经网络故障诊断模型进行诊断,结果表明,LSTM神经网络故障诊断模型能够精确识别和定位光伏阵列故障。     

一种基于多参量隐马尔可夫模型的负荷辨识方法

由于电力需求侧负荷形态各异、特性多变,种类繁多,采用传统方法进行负荷辨识时存在识别率不高、模型建立困难、难以推广应用等问题。为此,基于智能负荷控制器(SRLC)的用电参数检测功能和非侵入式负荷监测(NILM)原理,提出一种基于多参量隐马尔可夫模型(MPHMM)的负荷辨识方法。该方法采用4个负载特性参数(电流、有功功率、无功功率、功率因素)作为模型的观测向量,通过模型学习和多次迭代计算,求得与MPHMM模型隐藏状态相匹配的观测序列的最大输出概率和最优状态序列,再采用辅助判别算法对结果进行修正,完成对负荷的最终辨识。通过搭建实验平台对所提方法进行验证。结果表明,该方法辨识准确率可达95%以上,特别是对小功率负荷具有较好的识别效果。     

电子侦察系统自适应跟踪数据率算法

数据率是电子侦察系统跟踪任务管理中的一个重要参数，数据率的大小决定着跟踪精度的高低，同时也影响着系统资源消耗量，为平衡跟踪精度和资源消耗的矛盾，需要一种自适应数据率算法。因为在时域上辐射源照射侦收天线的非连续性，当前主动雷达的自适应数据率算法不适用于电子侦察系统。针对以上问题引入辐射源天线扫描周期作为约束条件，改进预测协方差门限算法应用于电子侦察系统。在改进的算法中，将辐射源天线扫描周期的整数倍作为采样间隔，通过纯角度跟踪算法得到预测协方差，当预测协方差大于设定的门限时即采样。仿真结果表明，该方法可根据设定的跟踪精度，自适应采样周期，节省系统资源。     

Nonmyopic sensor scheduling for target tracking with emission control

Active sensors obtain the measurements of targets by emitting energy that can be intercepted by enemy surveillance sensors. To satisfy the target tracking requirement and control the whole system emission, we propose a nonmyopic sensor scheduling to minimize the emission cost while maintaining a desired tracking accuracy. The processes of target tracking and emission control are formulated as a partially observable Markov decision process. Then, we translate our scheduling problem to a discrete unconstrained optimization problem, which consists of multistep emission cost and multistep tracking accuracy cost. Furthermore, the cubature Kalman filter is utilized to update the target belief state and predict the multistep tracking accuracy cost, whereas the multistep emission cost is obtained by hidden Markov model filter. Scheduling is implemented efficiently by constructing a decision tree and using a search algorithm, which combines uniform cost search with augmented branch and bound technique. Simulation results demonstrate the effectiveness of our proposed method.     

基于LQEKF的机载光电平台的模型预测控制

为了提高机载光电平台对目标稳定跟踪控制性能，提出一种基于线性二次增强卡尔曼滤波器的机载光电平台模型预测控制算法。建立机载光电平台的动力学模型，在卡尔曼滤波状态估计的基础上，引入线性二次调节器增益减小估计状态的相位延迟，使状态估计值更为精确，利用估计的状态设计模型预测控制器，减小目标跟踪误差。跟踪目标仿真实验结果与卡尔曼滤波状态估计结果最大误差减小了58.14%，与扩展卡尔曼滤波状态估计最大误差减小了52.62%，表明本算法能够有效提高机载光电平台对目标的跟踪控制性能，实现了机载光电平台对目标的稳定跟踪控制。     

耦合隐马尔科夫在模拟电路故障预测中的应用

为了能够更准确地对模拟电路系统中各退化状态进行状态识别和故障预测,针对单一通道的隐马尔可夫模型在模拟电路系统中预测精度不高的特点,提出了一种具有2条Markov链的耦合隐马尔可夫模型故障预测方法。该方法在模拟电路中采用2个测试点通过双通道数据分别对各退化状态和全寿命进行建模,实验结果表明,耦合隐马尔可夫模型与传统的隐马尔可夫模型相比,不但提高了状态识别率,而且能对电路系统的故障发生进行有效地预测,为状态维修提供依据。     

Traffic monitoring and accident detection at intersections

We have developed an algorithm, referred to as spatio-temporal Markov random field, for traffic images at intersections. This algorithm models a tracking problem by determining the state of each pixel in an image and its transit, and how such states transit along both the x-y image axes as well as the time axes. Our algorithm is sufficiently robust to segment and track occluded vehicles at a high success rate of 93%-96%. This success has led to the development of an extendable robust event recognition system based on the hidden Markov model (HMM). The system learns various event behavior patterns of each vehicle in the HMM chains and then, using the output from the tracking system, identifies current event chains. The current system can recognize bumping, passing, and jamming. However, by including other event patterns in the training set, the system can be extended to recognize those other events, e.g., illegal U-turns or reckless driving. We have implemented this system, evaluated it using the tracking results, and demonstrated its effectiveness     

视觉与二维激光雷达的目标检测方法

为了改进单一传感器对目标物体的检测范围小、检测特征少以及检测准确率较低的问题,提出一种视觉与二维激光雷达的目标检测方法。在视觉检测方面提出一种改进的GoogLeNet算法实现视觉对目标物体的识别,该方法相比GoogLeNet算法在对6种目标物体的识别准确率上提高了0.7%。在二维激光雷达检测方面采用欧氏聚类算法对二维激光雷达的点云数据聚类,接着使用RANSAC算法对聚类簇中的数据点进行筛选,最后使用卡尔曼滤波算法对目标物体的位置进行预测,实现二维激光雷达在特定平面上360°对目标物体进行跟踪检测和定位。实验结果表明,该方法使得移动机器人扩大了检测范围、增加了检测特征并提高了识别准确率。     

State smoothing in Markov jump systems with lagged mode observation

Estimation involving Markov jump systems (MJSs) is widely used in target tracking, speech recognition and communication. It is assumed in MJSs that state measurement and mode observation are synchronous. In applications such as image‐based target tracking, the target orientation, as one of the mode observations, needs additional computation time for pattern recognition and thus can be delayed. This motivates us to explore the smoothing problem of MJSs with mode observation lagged to state measurement. This brief paper presents a recursive estimator by deriving the conditional state mean and the conditional model probability from both delayed mode observation and state measurement. Simulations on maneuvering target tracking are carried out to validate the performance of the proposed smoother in comparison with existing methods. Copyright © 2010 John Wiley & Sons, Ltd.     

基于马尔科夫状态转移的家居负荷预测模型

智能配电网的发展增强了家居负荷预测的重要性.基于状态转移的研究思路,提出基于相似日选择的蒙特卡洛马尔科夫单个设备负荷预测模型,采用自下而上的分析方法,获取单个家庭的综合负荷水平.对温控类型设备,采用皮尔逊相关系数研究了环境温度与设备运行周期之间的相关性,建立了隐马尔科夫模型,依据当天外界环境信息对温控类型设备的压缩机运行状态做出预测,进一步计算了不同时间段内的平均功率体现用户负荷水平.仿真结果表明,基于相似日选取的蒙特卡洛马尔科夫模型对不同设备的日平均负荷的预测误差约为2％～8％,而隐马尔科夫模型对温控类设备状态预测的精度约为70％.     

一种图像确认目标的多目标跟踪方法

为了解决回波的复杂性和不确定性导致雷达多目标跟踪精度降低的问题,给出一种图像确认的多目标跟踪方法。该方法通过序列图像获取目标部分相关参数,从而剔除与参数不相符的虚假回波和杂波;然后根据保留的目标回波更新所跟踪目标的测量新计算,从而减少了多目标跟踪中由无关回波和杂波干扰所造成的测量更新误差,提高了目标跟踪的精度。仿真实验结果表明,本算法在去除部分或全部杂波后,能够减小多目标跟踪的误差,使跟踪精度得到较大改善。