梯度下降VAD方法的单多普勒激光雷达风场探测技术

速度方位显示（Velocity-Azimuth Display,VAD）方法作为一种基于单部激光雷达和同一高度风场均匀的假设前提来反演风场的通用方法已经在业界得到广泛应用,但其对激光雷达扫描方位角的范围和径向个数的严格要求在一定程度上影响了激光雷达的测量效率。基于此,提出了一种基于梯度下降算法的VAD风场反演方法。使用梯度下降算法代替目前VAD中的傅里叶级数展开求解的方法。在分析了算法收敛性影响因素的基础上,确定了算法迭代步长和迭代次数,从而改善了算法的收敛性,提高了运算速度。与标准风杯风速计（IEC 61400-12-1）的同步对比实验结果显示:该方法在激光雷达扫描范围降低到60和扫描径向个数降低到7个的情况下,10 min平均的风速、风向相关系数达到0.99,风速标准偏差、偏差分别为0.52 m/s和0.02 m/s,风向的标准偏差和偏差分别为5.1和3.6。结果证明了该方法在提高激光雷达测量效率的同时仍能保证其准确性,具有更强的适用性,可有效提升系统对于动态大气风场监测能力。     

车载测风激光雷达风廓线同步观测实验

多普勒测风激光雷达能够实现高时空分辨率的大气风场测量,中国海洋大学成功研制了可以测量风廓线和三维大气风场的车载多普勒测风激光雷达,并已交付中国气象局使用。为了检验该激光雷达的测量性能,2011年春季开展了车载激光雷达与探空气球风廓线同步观测实验,获取了55组比对数据。本文介绍了此次同步观测实验,给出了激光雷达和探空气球风廓线数据的比对个例,并对所有比对数据进行了统计分析。同步比对结果显示,激光雷达与探空气球风廓线数据的风速均方根偏差为2.76 m/s。通过分析比对偏差,证明了激光雷达风廓线测量结果的准确性。     

相干多普勒激光雷达风场反演方法研究与实验印证

提出基于共轭梯度算法的速度方位显示(VAD)风场反演方法,应用最优化理论,将共轭梯度算法代替传统VAD方法中的傅里叶级数展开来求取最优解,并针对算法在风场反演应用时存在不收敛于最优解的问题,使用Hessian矩阵对算法进行了修正。同时开展了多普勒激光雷达与符合IEC 61400-12-1国际标准的高精度风杯风速计的43天对比实验,结果显示,当激光雷达的方位角扫描范围为60°、径向个数为7个时,两者的风速、风向相关系数分别为0.991和0.998,风速、风向标准偏差分别为0.52m/s和5.1°,风速、风向偏差分别为-0.02m/s和3.6°。对比实验结果表明,基于共轭梯度算法的VAD风场反演方法使用较小的扫描方位角仍能保证其测量的准确性满足国际标准,具有更强的适用性,同时印证了激光雷达系统的测量性能,为动态复杂风场的监测提供了更佳的选择。     

相干测风激光雷达VAD风场反演的数据质量控制方法

相干测风激光雷达扫描测量模式下使用速度方位显示（VAD）方法反演水平风场时,若不进行质量控制,会使拟合数据精度大幅降低。基于最小二乘VAD拟合算法,通过分析相干测风激光雷达扫描测量模式中的多种误差源,设置了信噪比、数据残差、扫描区间有效数据、数据有效率四个判据对参与拟合的数据质量进行控制,进而提出了基于以上判据的VAD逐级拟合质量控制方案,设计了数据质量控制流程,并对该方法进行了实验验证。通过对2 955组10 min平均激光雷达测风数据与高精度风杯数据进行对比分析,结果表明:经VAD逐级拟合质量控制流程后,风速均方根偏差从0.97 m/s降低到0.54 m/s,比对偏差降低约44%,风向均方根偏差从7.47降低到5.55,比对偏差降低约26%。