张悦
- 作品数：5 被引量：57H指数：4
- 供职机构：合肥工业大学电气与自动化工程学院更多>>
- 发文基金：国家自然科学基金国家杰出青年科学基金中国博士后科学基金更多>>
- 相关领域：自动化与计算机技术电子电信电气工程更多>>
- 基于SAW-RFID的SF6分解特性研究被引量：3
- 2018年
- 为提高分解特征组分在故障诊断中的准确性,需对影响分解特征组分的SF6气体湿度进行在线监测。现有湿度在线监测技术存在耗气量大、实现困难且复杂成本高等不足,提出了一种基于声表面波射频识别（SAW-RFID）的SF6气体湿度在线监测方法。首先对该SAW-RFID湿度传感器芯片进行了中心频率测试和性能测试,再利用该湿度传感器监测用针-板放电模型模拟金属突出物绝缘缺陷所产生的局部放电（PD）下SF6气体的湿度,在不同湿度下定量测定了SO2F2和SOF2的累积体积分数。实验结果表明,SAW-RFID湿度传感器的性能满足要求,精度高、误差小;SO2F2与SOF2的累积体积分数随湿度增加变大,与放电时间呈正相关;相对产气速率在前期与湿度负相关,在后期与湿度无关且趋同。
- 何怡刚陈张辉李兵张悦
- 关键词：SF6相对湿度局部放电
- 一种基于CKF的改进LANDMARC室内定位算法被引量：8
- 2017年
- 针对传统LANDMARC室内定位算法受室内环境的干扰存在定位精度不高,波动大的问题,提出一种基于CKF的改进LANDMARC室内定位算法。该算法首先通过传统LANDMARC算法得到待定位目标的状态预估值;然后将得到的状态预估值作为观测量并用容积卡尔曼滤波(CKF)算法对其进行滤波处理,以提高算法的定位精度并降低定位结果的波动;最后用滤波处理后的结果代替LANDMARC得到的预估值作为待定位目标的状态估计。实验研究表明,所提算法误差在0.5 m以下的标签达到60%,与传统LANDMARC定位算法和经由无迹卡尔曼滤波(UKF)算法滤波的LANDMARC定位算法相比,定位精度和波动性均有明显提高,应用在室内定位中能够得到较为真实的目标移动轨迹。
- 袁莉芬张悦何怡刚吕密
- 基于量子粒子群优化容积卡尔曼滤波的LANDMARC室内定位算法被引量：8
- 2018年
- 针对噪声环境下,基于标准容积卡尔曼滤波的LANDMARC室内定位算法因噪声特性估计不准,引起滤波性能下降而导致定位误差较大的问题,提出一种基于量子粒子群优化容积卡尔曼滤波的LANDMARC室内定位算法。该算法首先建立基于LANDMARC定位框架下的运动目标动态模型,然后引入量子粒子群优化技术对容积卡尔曼滤波中时间更新过程的状态预测值进行优化,以降低因畸变噪声引起的误差;最后将改进的容积卡尔曼滤波算法应用到运动目标状态估计中。实验结果表明,所提算法定位误差均值为0.175 m,与相同环境下传统的LANDMARC算法、基于容积卡尔曼滤波的LANDMARC算法以及基于粒子群优化容积卡尔曼滤波的LANDMARC算法相比,定位精度和稳定性均有明显提高,且运算时间比基于粒子群优化的算法少,应用在室内定位中能够得到较为真实的目标移动轨迹。
- 张悦袁莉芬何怡刚吕密
- 关键词：量子粒子群优化算法噪声特性
- 基于小波包优选的模拟电路故障特征提取方法被引量：32
- 2018年
- 小波包变换在模拟电路故障特征提取中应用极广,但小波包基函数直接影响故障特征提取的性能。该文给出了小波包频带能量熵的定义,并结合频带能量熵方差,提出一种基于频带能量熵的小波包优选方法。为验证方法的有效性,采用不同的小波包基函数进行实验研究,对待测模拟电路应用小波包变换完成故障特征提取,引入支持向量机验证故障特征的可识别程度。实验结果表明,利用优选小波包基提取的故障特征具有更好的区分度,说明了该算法选取小波包基函数的有效性。
- 袁莉芬孙业胜何怡刚张悦吕密
- 关键词：模拟电路特征提取
- 基于文化双量子粒子群优化的RFID 3D-LANDMARC定位算法被引量：6
- 2017年
- 射频识别技术(RFID)三维定位是目前室内定位的主要技术,现有的RFID三维定位主要基于LANDMARC定位算法。针对传统的LANDMARC定位算法存在定位精度低、自适应性差的问题,提出一种基于文化双量子粒子群(CDQPSO)优化的RFID 3D-LANDMARC定位算法。该算法首先使用BP神经网络在数据拟合方面的优势对采集信号进行预处理,研究无线信号传输损耗模型,以提升LANDMARC算法的定位精度;然后引入CDQPSO算法在全局搜索与寻优方面的技术优势,求解模型,解决LANDMARC定位算法的自适应问题。实验研究表明,所提算法定位误差在0.56 m以下的标签达到75%,与基本LANDMARC算法和粒子群优化LANDMARC算法相比,定位精度和适应性均得到显著提高,而且能克服粒子群算法收敛速度慢的缺点。
- 袁莉芬张悦何怡刚吕密
- 关键词：BP神经网络
