微风速流场数据采集与融合方法研究
DOI:
CSTR:
作者:
作者单位:

上海理工大学光电信息与计算机工程学院 上海 200093

作者简介:

通讯作者:

中图分类号:

TP274+.2

基金项目:


Wind velocity flow field data acquisition and fusion method research
Author:
Affiliation:

Photoelectric Information Engineering College with the Computer,Shanghai University of Science and Technology, Shanghai 200093, China

Fund Project:

  • 摘要
  • |
  • 图/表
  • |
  • 访问统计
  • |
  • 参考文献
  • |
  • 相似文献
  • |
  • 引证文献
  • |
  • 资源附件
  • |
  • 文章评论
    摘要:

    在微风速(0~1 m/s)空间流场测量中,对传感器精度要求高,实时在线仪表数据精度不够,数据采集滞后性大;考虑采用多个传感器测量提高精度,但也存在数据融合的问题。针对微风速流场测量,提出基于K均值RBF神经网络的数据采集预处理软测量模型,首先选取中间变量(电流值),运用K均值聚类,用RBF网络训练得到单个传感器数据;提出基于相关性kalman滤波的传感器数据融合算法,剔除无效数据点,并融合得到精确风速预测值。测量实验和数据结果表明该方法处理的数据结果滞后性小,处理速度快,数据精度高。

    Abstract:

    In the wind speed (0~1 m/s) space flow field measurement, the sensor accuracy requirement is high, the realtime online instrument data accuracy is not enough, hysteresis of data acquisition; Consider using multiple sensors measurement improve accuracy, but also has the problem of data fusion. Velocity flow field measurement, the author of this paper, based on kmeansdata collection and pretreatment of RBF neural network soft measurement model, firstly, intermediate variable (current value), using the kmeans clustering, use RBF network training to get a single sensor data; Based on correlationsensor data fusion algorithm of kalman filtering, eliminate invalid data points, and get accurate fusion wind speed prediction. Measurement experiment and data results show that this method processing data results of hysteresis is small, processing speed, high precision of data.

    参考文献
    相似文献
    引证文献
引用本文

刘建旭,付东翔.微风速流场数据采集与融合方法研究[J].电子测量技术,2017,40(10):196-199

复制
分享
文章指标
  • 点击次数:
  • 下载次数:
  • HTML阅读次数:
  • 引用次数:
历史
  • 收稿日期:
  • 最后修改日期:
  • 录用日期:
  • 在线发布日期: 2017-12-05
  • 出版日期:
文章二维码