导读:本文包含了无迹变换论文开题报告文献综述及选题提纲参考文献,主要关键词:动荷载识别,随机结构,无迹变换,摄动法
无迹变换论文文献综述
王崇文,杜成斌[1](2019)在《基于无迹变换识别随机结构动荷载》一文中研究指出针对结构中存在部分未知参数的情况,将结构的未知参数以高斯分布模型描述,基于无迹变换(Unscented Transformation,UT)提出了一种新的随机结构动荷载识别方法。首先离散化求解结构响应的卷积公式,并根据无迹变换对结构随机参数计算采样点,称之为sigma点,通过直接求逆法结合正则化方法得到随机参数取每个sigma点时的动荷载,最后通过加权计算得到识别动荷载的均值和标准差,并定义了识别荷载的变异系数和上下界。算例的计算结果表明,与蒙特卡洛模拟(Monte Carlo simulation, MCS)以及现有的摄动法(Perturbation method, PM)相比,提出的基于无迹变换的方法具有更高的计算效率和计算精度,并讨论了不同情况下结构随机参数对识别荷载的影响。(本文来源于《中国力学大会论文集(CCTAM 2019)》期刊2019-08-25)
俞晓峰,傅震辉,童超[2](2019)在《基于无迹变换含“风光”系统无功优化研究》一文中研究指出由于分布式电源并网的随机性,给电网无功优化引入新的问题。本文通过无迹变换近似风电场风速、光伏电站的光照强度和负荷的有功功率的概率分布,然后,搭建考虑有功损耗、电压偏移量和优化成本的多目标无功优化模型,随后,在求解模型中将迁移算子、Hooke-Jeeves模式搜索、启发式交叉策略引入到粒子群算法中,改进了粒子群算法早熟、陷于局部最优的问题。最后,本文用IEEE-33节点的配电系统验证了本文所提算法结果损失较小误差的情况下收敛时间缩短近十倍的优势以及相比传统TPSO算法优化本模型综合结果均更优的特点。(本文来源于《电子设计工程》期刊2019年10期)
谢非,王顺利,王露,谢滟馨,王晨懿[3](2019)在《基于改进型无迹变换的锂电池组SOC值智能预测方法》一文中研究指出以6节成组的航空锂电池组为检测对象,提出一种改进型无迹变换方法,通过精简叁粒子和双重Sigma化处理过程,实现剩余电量估算值(SOC值)的有效迭代计算。仿真与实际测量的比较结果表明:该方法误差低于3.00%,有效提高了SOC值的估算精度。(本文来源于《化工自动化及仪表》期刊2019年04期)
李金明,高德亮,闫海兰[4](2018)在《利用无迹变换建立车辆运动路径算法》一文中研究指出随着信息化程度的不断提高,对目标跟踪的精度要求也在不断提高,不但需要采集传感器的数据越来越多,而且对物体的位置进行定位、监测的数据要即时更新,当所获得的信息不足时,控制系统采用的算法精度显得尤为重要。如果控制系统的处理器对车辆的采集频率高于传感器的处理频率,就要使算法对车辆位置能够预测;不同算法的预测值相差较大。为了优化跟踪性能,必须最大程度采集传感器的有限数据。卡尔曼滤波器结构中,只能通过开发一些精度较高的实用模型来实现。这模型往往是高阶非线性的;无迹变换很好地简化了这些模型的开发和优化。(本文来源于《兰州石化职业技术学院学报》期刊2018年04期)
周步祥,邓苏娟,张百甫[5](2018)在《基于RBF神经网络和无迹变换法的叁相概率潮流计算》一文中研究指出不平衡负荷、不对称网络参数以及可再生能源的接入,引入了叁相概率潮流。文中提出了一种新的叁相概率潮流计算方法,将RBF神经网络与无迹变换法结合求解叁相概率潮流。首先根据无迹变换法,利用输入变量均值和协方差矩阵求出输入变量的Sigma向量以及相应权重。其次,采用RBF神经网络求解潮流非线性方程,得到输出变量的均值以及相应权重。所提方法适用于输入变量相关的情况,且无需求解雅可比矩阵及其逆矩阵,加快了计算速度。最后,在不平衡25节点系统上进行仿真,结果表明了所提算法的有效性和实用性。(本文来源于《电测与仪表》期刊2018年11期)
彭穗[6](2018)在《基于改进无迹变换的AC/VSC-MTDC混联电网概率潮流算法研究》一文中研究指出随着社会的进步与技术的发展,多个新能源基地将通过基于电压源换流器的多端直流系统(Voltage Source Control-Multiple Terminal Direct Current,VSC-MTDC)并入交流大电网。未来电网将展现出一幅复杂交直流同步/异步混联、高比例新能源渗透的运行场景。为了深入揭示具有强烈波动性的新能源出力对未来电网运行的影响,对AC/VSC-MTDC混联电网进行概率潮流分析极具现实意义。尽管对纯交流电网的概率潮流算法已经研究多年并且成果丰硕,但是AC/VSC-MTDC混联电网的概率潮流分析仍然存在诸多挑战,主要包括:如何处理含相关性的高维概率潮流分析问题,如何处理随机变量服从任意分布且它们之间存在不同类型(线性或非线性)相关性的问题等。无迹变换(Unscented Transformation,UT)算法是概率分析中先进且常用的方法之一,属于近似法中的后起之秀。将UT算法用于AC/VSC-MTDC混联电网概率潮流分析有许多优势,本文根据其特点从如下几个方面对UT算法进行改进:(1)针对传统UT(Traditional UT,TUT)算法在处理含相关性的高维概率潮流计算时,其精度会随着交直流混联电网中随机变量维数增加而下降的问题,提出采用比例伸缩无迹变换(Scaled Technology for Unscented Transformation,STUT)处理该问题。同时,根据STUT算法处理标准高斯分布的特点,提出了STUT比例伸缩系数的经验计算公式。基于比例伸缩系数的经验计算公式,STUT算法在处理高维高斯分布时,其样本点既不会发生离散效应,又能够充分地获取输入分布的概率信息。因此,能够保证STUT算法处理高维概率潮流问题的精度。基于改进IEEE-300节点系统,实验结果验证了STUT算法处理高维概率潮流分析问题的有效性。(2)针对STUT算法难以准确近似非对称概率分布,而AC/VSC-MTDC混联电网中具有大量含Pearson相关性任意分布的情形,提出一种结合STUT算法和NATAF变换的概率潮流算法。基于NATAF变换将含相关性的任意分布变换到高斯域,采用STUT在对称的高斯分布上选取样本点,进而提高STUT算法处理含相关性任意分布概率潮流问题的精度。同时,针对二分法求解NATAF变换计算时间过长并严重降低概率潮流分析效率的问题,提出采用Gauss-Hermite多项式和多项式逼近理论求解NATAF变换的新方法。通过引入上述理论并加以改进,复杂的NATAF变换被近似成了简单的代数多项式,从而极大地减少了NATAF变换的求解时间。基于改进IEEE-118节点系统的相关实验,验证了改进NATAF变换解法和所提概率潮流算法的有效性及优越性。(3)针对STUT算法仅能够处理电网中不确定性源之间的Pearson相关性,而AC/VSC-MTDC混联电网中随机变量间可能服从任意分布且存在非线性相关性的问题,提出一种基于STUT算法和Copula理论的概率潮流算法。该算法使用Copula理论将含秩相关的任意分布变换至含Pearson相关性的高斯分布域,然后使用STUT算法在高斯域上精选样本点。改进IEEE-118节点系统概率潮流计算的结果充分展现了所提概率潮流算法的有效性和优越性。(本文来源于《重庆大学》期刊2018-04-01)
韩笑,周明,李庚银[7](2018)在《基于无迹变换随机潮流建模的主动配电网优化调度》一文中研究指出为了解决风电和电动汽车大量接入主动配电网所引发的随机优化调度问题,利用基于无迹变换的随机潮流计算方法处理风电出力的波动性、电动汽车充电的随机性以及电网负荷的随机波动。进而建立了以电动汽车充电功率和分布式电源出力为优化变量,以配电网运行费用最小、有功网损最小和负荷方差最小为优化目标的主动配电网随机优化模型。同时,采用多目标粒子群算法对模型进行求解,并以改进的IEEE 33节点测试系统为例对该模型进行仿真。仿真结果表明:考虑不确定性和电动汽车有序充电的优化调度模型,可以有效地减少配电网运行的成本、降低网损和缩小峰谷差,验证了所提模型的正确性和有效性。(本文来源于《电力系统保护与控制》期刊2018年03期)
王佳,王平,华小强,吴丰阳,曹亚菲[8](2016)在《基于无迹变换的KL散度异源图像匹配方法》一文中研究指出针对红外/可见光异源图像匹配,提出基于无迹变换的KL散度异源图像匹配方法。首先,分别提取异源图像Sobel边缘特征点,并校正红外特征点集;然后,分别构建两特征点集的高斯混合模型,采用无迹变换法求解两高斯混合模型的KL散度,对红外特征点集的高斯混合模型进行相似变换,寻找到使KL散度最小时的变换矩阵Tmin,此即两特征点集精确匹配时的变换矩阵。实验结果表明:提出的算法在噪声和出格点较多情形下仍能正确匹配,且能快速收敛。(本文来源于《重庆理工大学学报(自然科学)》期刊2016年08期)
代景龙,韦化,鲍海波,白晓清[9](2016)在《基于无迹变换含分布式电源系统的随机潮流》一文中研究指出提出一种基于无迹变换的随机潮流计算方法,比较对称采样、最小偏度单形采样和超球体单形采样3种无迹变换策略的实现思路和计算效果,讨论随机变量不同的相关程度对随机潮流分布的影响。利用无迹变换方法将潮流的随机性分析问题转换为少量样本点的确定性潮流计算,可较全面捕获非线性系统的统计信息,而直接方便地处理具有相关关系的随机变量。IEEE30、IEEE118和IEEE300节点标准系统的计算结果表明:对称采样策略的无迹变换方法具有较高的数值稳定性,更适用于大规模电力系统随机潮流的求解,与蒙特卡洛模拟相比,其计算速度可提高数十倍,且相对误差可低至0.5%。(本文来源于《电力自动化设备》期刊2016年03期)
孙国强,黄蔓云,卫志农,孙永辉,臧海祥[10](2016)在《基于无迹变换强跟踪滤波的发电机动态状态估计》一文中研究指出由于同步相量测量单元(phasor measurement unit,PMU)测得数据中存在误差和噪声,无法直接作为调度和控制的参考数据。提出一种基于无迹变换强跟踪滤波(unscented transformation strong tracking filter,UTSTF)的发电机动态状态估计。该方法利用对称采样策略进行sigma点采样,通过引入渐消因子来修正预测协方差矩阵,在线调整增益矩阵,滤波得到动态过程中发电机状态变量的估计值。算例结果表明,UTSTF无论在跟踪速度、精度以及对噪声的鲁棒性能上较无迹卡尔曼滤波和强跟踪滤波均有所提高。(本文来源于《中国电机工程学报》期刊2016年03期)
无迹变换论文开题报告
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
由于分布式电源并网的随机性,给电网无功优化引入新的问题。本文通过无迹变换近似风电场风速、光伏电站的光照强度和负荷的有功功率的概率分布,然后,搭建考虑有功损耗、电压偏移量和优化成本的多目标无功优化模型,随后,在求解模型中将迁移算子、Hooke-Jeeves模式搜索、启发式交叉策略引入到粒子群算法中,改进了粒子群算法早熟、陷于局部最优的问题。最后,本文用IEEE-33节点的配电系统验证了本文所提算法结果损失较小误差的情况下收敛时间缩短近十倍的优势以及相比传统TPSO算法优化本模型综合结果均更优的特点。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
无迹变换论文参考文献
[1].王崇文,杜成斌.基于无迹变换识别随机结构动荷载[C].中国力学大会论文集(CCTAM2019).2019
[2].俞晓峰,傅震辉,童超.基于无迹变换含“风光”系统无功优化研究[J].电子设计工程.2019
[3].谢非,王顺利,王露,谢滟馨,王晨懿.基于改进型无迹变换的锂电池组SOC值智能预测方法[J].化工自动化及仪表.2019
[4].李金明,高德亮,闫海兰.利用无迹变换建立车辆运动路径算法[J].兰州石化职业技术学院学报.2018
[5].周步祥,邓苏娟,张百甫.基于RBF神经网络和无迹变换法的叁相概率潮流计算[J].电测与仪表.2018
[6].彭穗.基于改进无迹变换的AC/VSC-MTDC混联电网概率潮流算法研究[D].重庆大学.2018
[7].韩笑,周明,李庚银.基于无迹变换随机潮流建模的主动配电网优化调度[J].电力系统保护与控制.2018
[8].王佳,王平,华小强,吴丰阳,曹亚菲.基于无迹变换的KL散度异源图像匹配方法[J].重庆理工大学学报(自然科学).2016
[9].代景龙,韦化,鲍海波,白晓清.基于无迹变换含分布式电源系统的随机潮流[J].电力自动化设备.2016
[10].孙国强,黄蔓云,卫志农,孙永辉,臧海祥.基于无迹变换强跟踪滤波的发电机动态状态估计[J].中国电机工程学报.2016