滤除方法

2024-07-16

滤除方法（精选6篇）

滤除方法篇1

摘要：介绍了矿用传感器的组成和工作原理, 分析了矿用传感器伪数据的表现形式和产生的原因, 并从抗干扰设计、低功耗设计和信号输出方式等方面提出了矿用传感器伪数据滤除的基本方法。实际应用表明, 该方法减少了矿用传感器产生伪数据的几率, 提高了矿用传感器的稳定性和安全监控系统的可靠性。

关键词：矿用传感器,伪数据,滤除,抗干扰设计,低功耗设计,差分信号输出

0 引言

矿用传感器是煤矿安全监控系统的重要设备之一, 它在煤矿安全监控系统中发挥了巨大的作用。但是, 由于井下生产环境复杂、传输距离较远、大型机电设备种类繁多, 尤其是大量变频设备的使用, 造成井下电磁环境恶劣, 导致矿用传感器在使用的过程中产生了大量的伪数据, 时有发生误报警、误断电等问题, 难以保证监控的有效性, 影响了煤矿监控系统设备的稳定性和可靠性。笔者针对上述问题, 通过分析矿用传感器的原理、信号传输方式等问题, 提出了矿用传感器伪数据滤除的基本处理方法。

1 矿用传感器的组成和工作原理

矿用传感器一般由DC/DC供电模块、检测元件、信号放大电路、AD变换器、单片机、显示电路、RS485输出电路、频率输出电路等部分组成, 如图1所示。DC/DC供电模块为检测元件和所有的芯片供电, 检测元件输出的微弱信号经过放大电路放大后进入AD变换器, 模拟信号转换为数字信号后由单片机计算处理, 单片机对该信号计算处理后进行显示和输出[1]。

2 矿用传感器伪数据的表现形式

由于传感器在巷道比较狭小、大型供电设备比较集中的煤矿井下使用, 容易受到大型设备的电磁干扰, 易导致传感器误报警并产生大量伪数据。传感器在煤矿安全监控系统中的伪数据主要表现形式有2种: (1) 传感器受到外界干扰时, 其内部电路不能正常工作, 导致测量数据无规律地变化。 (2) 频率信号在长距离传输过程中受到线路压降和外界电磁干扰影响, 导致频率突变或频率翻倍现象, 从而产生误报警。

3 矿用传感器伪数据产生的原因

3.1 传感器抗干扰能力差

目前煤炭行业生产的矿用传感器一般没有考虑抗干扰设计, 在研发的过程中没有对传感器的架构、芯片选型、布线方式等方面做详细的规划和试验, 对传感器抗干扰的研究还处在实验阶段。虽然《AQ6201—2006 煤矿安全监控系统通用技术要求》中的4.11条明确要求安全监控系统中的设备应通过相应的抗干扰试验[2], 但国家相关部门考虑到目前煤炭行业的发展现状、厂家技术水平的差异和抗干扰的设计难度, 暂时停止了矿用传感器要做抗干扰试验的要求。由于矿用传感器的检测元件输出的信号比较微弱, 而井下巷道比较狭小, 传感器连线与动力电缆很难分开铺设, 传感器受到电磁干扰后立刻会出现数字错乱、重新启动、死机等现象。特别是传感器的放大电路部分最容易受影响, 导致传感器检测元件的输出信号经过放大电路后其输出幅值发生突变, 从而导致传感器误报警, 也就是通常所说的传感器“冒大数”[3]现象。

3.2 传感器整机功耗较大

由于煤矿开采工作面比较长, 铺设线路较长, 而传感器的整机功耗比较大, 线路上的电压损失也比较大, 其电压损失与传输电缆的长度和直径有很大关系, 而且不同直径的电缆的电阻参数相差很大, 如表1所示。因此, 传感器在同样长度的传输距离下, 电缆直径越小, 传输电缆上的电压损失越大;或者传感器的功耗较大时, 而传输距离固定不变, 这都会导致传感器两端输入的工作电压将比较低或者电源纹波较大, 有可能导致传感器内部电路的工作不正常, 特别是传感器受到外界干扰时, 可能导致传感器自身不能稳定工作, 从而产生误报警。

3.3 频率输出信号方式

根据煤炭行业标准要求, 传感器的输出信号一般采用频率信号, 输出范围为200～1 000 Hz。且传感器的频率信号应满足以下要求:高电平不小于3 V, 低电平不大于0.5 V, 脉冲宽度大于0.3 ms。当频率信号在电缆中传输时, 由于电缆分布电容的影响, 频率信号在由低电平变高电平的过程中对分布电容充电, 分布电容将阻止电平缓慢上升;而频率信号在由高电平变为低电平的过程中分布电容来不及放电, 分布电容也会阻止电平缓慢下降, 低电平也无法立刻降到低于0.5 V, 导致了频率信号的低电平被抬高。当传感器受到外界干扰时, 有可能在频率的低电平段产生一个很强的毛刺, 导致频率翻倍, 也就是常说的“倍频”现象, 出现误报警。图2为传输距离为2 km的矿用电缆、电缆直径为0.52 mm、功耗为80 mA的甲烷传感器的输出频率信号波形。从图2可看出, 传感器信号的脉宽大于0.3 ms时, 传感器输出频率的低电平电压幅值接近1.1 V。而矿用监控分站的频率采集端一般采用光耦隔离输入, 当输入频率的低电平较高时, 有可能使光耦的工作状态不稳定, 导致监控系统出现伪数据而产生误报警。

4 矿用传感器伪数据滤除的基本方法

4.1 传感器抗电磁干扰设计

电磁干扰对传感器的影响主要表现为电磁场辐射、脉冲群和浪涌3种形式。煤矿井下空间比较狭小, 大型供电设备和变频设备比较集中, 煤矿设备在频繁启停的过程中最容易对传感器形成电磁干扰[4]。由于传感器的信号比较弱, 传感器的放大电路在受到电磁场辐射时, 放大电路的输出信号会发生变化而出现误报警, 导致监控系统的传感器输出伪数据。同时, 由于脉冲群和浪涌对传感器的A/D模块、单片机、DC/DC模块都有影响, 有可能导致A/D模块出现转换错误、单片机复位等现象, 从而导致传感器输出伪数据。因此, 为了提高传感器的抗电磁干扰能力, 需要对传感器进行抗电磁干扰设计。可以采用以下方法进行抗干扰设计:

(1) 在传感器的输入、输出和内部电源端加TVS瞬态电压抑制二极管和共模扼流线圈, 降低脉冲群和浪涌对传感器的影响。

(2) 加强线路板PCB设计过程中的抗干扰设计, 优化传感器电路布线方式和布局, 选用高集成度、抗干扰能力强的处理器或其它电路, 提高传感器的抗电磁辐射能力。

(3) 加强对传感器采样数据的滤波和纠错处理设计, 在保证传感器响应时间满足行业标准要求的前提下采取合适的滤波方法, 降低外界突发性干扰对传感器的影响[5]。

(4) 加强传感器的故障自诊断功能设计, 确保传感器在故障状态下不输出伪数据、不将故障状态传给传感器的上一级设备。

4.2 传感器的低功耗设计

传感器的传输距离与整机功耗有很大的关系, 功耗越低就越能满足煤矿的实际需要。因此, 传感器在低功耗的设计过程中需要注意以下几个方面: (1) 选用低功耗的集成芯片和电路。 (2) 改变传感器检测元件与处理器分开供电的传统模式, 同时优化处理电路, 降低整机功耗。 (3) 选用高效率的DC/DC模块, 提高电源转换效率, 降低传感器功耗。同时根据传感器的功耗合理计算传输距离, 也能降低传感器传输线路上的电压损失, 确保传感器的工作电压在正常范围, 避免由于传感器的输入电压过低而出现误报警现象。其理论传输距离L可用式 (1) 表示:

$\begin{array}{l} L = \frac{(供电电压 - 传感器最低 ⌶ 作电压)}{传感器最低 ⌶ 作电压下对应的电流} \times \\ \frac{1}{2 \times 某一直径电缆对应的电阻值} (1) \end{array}$

以甲烷传感器为例, 目前行业内的甲烷传感器在直流18 V供电时, 其工作电流一般为80 mA左右, 直流12 V供电时, 其工作电流大约为100 mA左右。虽然目前行业标准规定传感器的最低工作电压为9 V, 考虑电源远距离传输时其纹波较大, 而且传感器在最低工作电压下DC/DC效率较低, 因此, 在远距离传输中需要将传感器的最低工作电压放宽到12 V左右计算。同时根据表1, 选用直径为0.52 mm的矿用电缆作为计算对象, 利用式 (1) 可以计算出理论上传输距离为2.3 km左右, 如果传感器在12 V供电时的功耗为80 mA时, 其理论传输距离可达2.9 km。由于受电缆使用年限、电缆等效电阻、电缆生产厂家加工工艺等的影响, 传感器的传输距离有可能会缩短, 只能达到1.5 km左右, 而煤矿工作面一般都达到2 km以上。如果传感器的功耗过高, 有可能导致传感器产生误报警, 输出大量伪数据, 严重影响煤矿安全生产。

4.3 改变传感器的频率信号输出方式

改变传感器的频率信号输出方式可防止传感器的输出信号在传输过程中产生伪数据。煤炭行业的传感器频率输出通常采用脉冲恒流型或脉冲恒压型输出电路。由于受传感器传输线路之间的电阻和整机功耗影响, 有可能导致传感器的输入电压过低和频率信号的低电平被抬高;同时由于传输线路上分布电容的影响, 将导致频率信号由高电平变为低电平的放电时间过长, 而导致低电平被抬高, 当受到外界电磁干扰时容易产生“倍频”而出现冒大数问题。因此, 在频率信号传输的过程中, 要缩短线路上分布电容的充放电时间, 降低频率信号低电平的幅值。基于上述原因, 频率输出电路可以采用差分信号传输, 其输出信号的高电平为3～5 V左右, 而输出的低电平为-3～-5 V左右, 这样不会因为分布电容的存在而影响频率信号高低电平的上升和下降的时间。图3为传感器接2 km且直径为0.52 mm的传输电缆时的输出频率波形, 其波形与图2所测波形相比, 其低电平电压完全符合煤炭行业标准要求, 而且即使低电平被抬高也不会影响传感器的输出信号效果, 传输距离将大幅度延长, 信号抗干扰能力也比较强, 减少了传感器产生伪数据的几率, 提高了传感器的稳定性。

5 结语

根据矿用传感器伪数据的表现形式和特点, 详细分析了矿用传感器伪数据产生的原因, 并提出了对传感器进行抗电磁干扰设计、降低传感器的整机电缆时的输出频率波形

功耗、改变传感器频率信号输出方式的传感器伪数据滤除的基本方法。目前, 该矿用传感器伪数据滤除方法已广泛应用于KJ95N煤矿综合监控系统的传感器中, 减少了传感器产生伪数据的几率, 提高了传感器的稳定性, 使KJ95N煤矿综合监控系统的可靠性也得到了较大提高。

参考文献

[1]张德增, 郑江萍.煤矿安全监测技术基础知识[M].北京:煤炭工业出版社, 1993.

[2]国家安全生产监督管理总局.AQ6201-2006煤矿安全监控系统通用技术要求[S].北京:煤炭工业出版社, 2006.

[3]刘国富, 周涛, 吕仲成.GPRS水情测报系统雨量冒大数故障的处理[J].水利水文自动化, 2008 (1) :27-29.

[4]孙继平, 潘涛, 田子建.煤矿井下电磁兼容性探讨[J].煤炭学报, 2006 (3) :377-379.

[5]杨洁.基于PIC16F877单片机的矿用复合传感器的设计[J].工矿自动化, 2008 (5) :75-78.

滤除方法篇2

随着国内电网广域测量系统(wide-area measurement system,WAMS)的建设、发展和完善,WAMS采集的相量测量单元(phasor measurement unit,PMU)数据,将在电网实时状态监测中发挥更大的作用。针对大规模电网,为计算电网运行状态,目前国内电网动态监测系统的数据通常来自于电网数据采集与监控(SCADA)系统和WAMS的PMU数据[1,2],SCADA系统能够采集的电网工频变量通常有P,Q,U。一般SCADA系统每1 min采集一批电网中各节点数据;对于新投产运行的WAMS,PMU每10 ms上传一次三相电压和电流相量的幅值、相位角度及正序基波电压和电流相量的幅值、相位角、频率等测量数据。

针对如何将高速的PMU数据与SCADA系统的稳态数据融合,文献[3]以稳态时刻SCADA系统的量测值进行传统状态估计并作为初始状态,利用已安装的PMU节点测量的电压相量计算其他未安装PMU节点的电压。文献[4-5]先对WAMS测量数据计算相对残差,对是否存在参数错误进行初步判断,然后用WAMS/SCADA混合数据计算支路参数的测量误差,该方法对参数错误与量测错误无法区分。文献[6]将WAMS测量的所有相角量测作为相对值引入估计计算,通过量测残差搜索,将坏数据检测辨识出来。文献[7]利用PMU实时采集潮流信息,提出了一种基于模糊积分信息融合技术的电网在线故障诊断方法。

由于国内电网规模庞大,低频振荡现象时有发生[8,9],针对如何利用PMU数据分析电网低频振荡,文献[10-11]利用PMU数据研究了低频强迫功率振荡源的定位方法;文献[12]利用插值法计算信号分解过程中的局部均值函数和局部包络函数,提出了一种电力系统低频振荡信号分解方法,并对区间功率振荡曲线进行了分解分析,但未对功率中的振荡成分产生原因进行分析;文献[13]利用一次差分及二次差分异号的原理,提出了一种判别低频强迫扰动源的方法。

低频振荡现象一般会在电网中持续数分钟或数十分钟,现有文献均未对在电网中发生低频振荡期间,PMU和SCADA数据是否受低频振荡影响进行分析。

电网中发生低频振荡,必然会对电网中50 Hz的工频变量产生影响,此时PMU和SCADA系统采集的工频变量数据必然包含低频振荡扰动成分,在WAMS采集的PMU数据中,研究如何分离低频振荡扰动成分以准确提取工频变量的数据,对于提高WAMS采集PMU数据的利用价值和正确分析PMU数据的振荡特征具有重要价值。

本文以低频强迫振荡为例,从原理上分析了低频振荡对PMU测量工频变量数据的影响,利用计算PMU数据极大值包络线和极小值包络线的方法,提出了一种从PMU测量数据中获取工频变量的方法,并利用实际WAMS采集的PMU数据验证了该方法的正确性和准确性。该方法对SCADA系统采集准确的工频变量数据有重要借鉴意义。

1 低频强迫振荡时扰动变量的特点

由于中国电网的额定频率为50 Hz,低频振荡的频率一般为0.1 Hz至3 Hz,当发生低频强迫振荡时,主要考虑低频振荡对电网中电压和电流幅值的影响,电网中每相的工频电压变量相当于一个包含低频振荡分量的50 Hz的调幅余弦信号,A相的电压变量uA(t)如下:

式中:ur(t)为低频扰动电压;ω 为电网额定角频率;UmA为A相额定工频电压幅值;φUA为A相额定工频电压初相位;Umr为低频扰动电压幅值;ωs为低频扰动电压变量的角频率;φUr为低频扰动电压的初相位;uAN(t)为额定电压。

当电网中电压包含低频振荡成分时,电压低频振荡分量会在线路和负载上产生对应的电流,所以,相应的A相电流变量iA(t)如下:

式中:ir(t)为低频扰动电流;ImA为A相额定工频电流幅值;φIA为A相额定工频电流初相位;Imr为低频扰动电流幅值;φIr为低频扰动电流的初相位;iAN(t)为额定电流。

由于电网的对称性,本文只对A相的电压和电流的表达式进行详细说明,B相和C相的表达式依此类推,不再详述。

2 目前PMU测量工频信号的特点

目前电网的广域测量系统采集的是PMU上传的含GPS时标信息的数据,新安装的PMU已可以每半个周期上传一次数据。PMU的主要任务是真实地反映其输入信号中交流工频量的频率、幅值、相位等相量特征[14],PMU测量的主要是电网A,B,C三相的基波电压和电流相量的幅值、相位,另外,PMU还可以测量并上传电网的频率f以及频率的增量df,基波正序电压幅值和相位、基波正序电流幅值和相位等数据。

PMU在测量三相基波电压和电流相量的幅值和相位时,采用的主要是快速傅里叶变换(FFT)算法,FFT算法可以滤掉高次谐波,对于0.1 Hz至3Hz的低频信号可以准确测量,能够跟踪并反映出系统的振荡现象[15],所以,对式(1)和式(5)所示的电压和电流瞬时值表达式,PMU测量电压和电流幅值的结果如下:

从上式可以看出,当电网中发生低频强迫振荡时,PMU所测量的基波电压和电流相量幅值数据中包含低频振荡扰动成分uAd和iAd。

如果利用PMU测量数据和SCADA系统采集的数据对电网的稳态运行状态进行分析和计算,必须先对PMU测量的数据进行处理,提取其中的工频变量成分,剔除低频扰动分量。

3 无低频扰动的工频变量提取方法

SCADA系统由于不能精确对时,无法获得电网在同一个时刻下的电压、电流有效值、有功功率和无功功率数据。另外,由于电网中投切负荷等扰动经常发生,导致电网暂态数据经常与稳态数据混在一起,使得用于稳态分析的SCADA数据中经常包含“坏”数据,导致分析误差大大增加,文献[16]研究了SCADA系统中“坏”数据的产生机理,并提出了一种能够避免暂态数据混入遥测稳态数据的延时判断方法。

文献[16]中的方法只采集稳态数据,对于PMU上传的高速数据,当电网中发生低频强迫振荡时,由于没有明显的数据突变特征,文献[16]中判断暂态数据的方法无法使用。

式(9)和式(10)中包含的低频小扰动混合信号,可以用经验模态分解(empirical mode decomposition,EMD)算法对信号进行分离处理。EMD算法是一种可以将复杂的信号序列分解为有限个简单的具有不同幅值和频率的固有模态函数之和的技术[17]。文献[18]利用EMD算法分析了WAMS采集数据中的低频振荡模式。文献[19]采用EMD算法将振荡曲线分解成多个固有模态曲线,然后求取振荡成分的相位同调性。

与EMD算法类似,本文使用的提取工频变量的具体做法如图1所示。

以A相电流幅值和电压幅值的PMU数据为例,设定精度的门槛值为0.1%,上述提取工频变量的做法如图2至图4所示。

由图3和图4可以看出,剔除低频扰动变量后,提取的满足精度要求的工频电压幅值Uaj和工频电流幅值Iaj基本为变化缓慢的直线。对比式(9)和式(10)可得,Iaj=ImA,Uaj=UmA。

参照式(9)和式(10),获得工频电压幅值和工频电流幅值后,便可计算得到电压低频扰动量ur(t)和电流低频扰动量ir(t)如下:

4 低频扰动对计算工频有功功率的影响

当电网中发生低频强迫振荡时,如果PMU测量的基波电压和基波电流幅值数据中包含低频扰动成分(如式(9)和式(10)所示),则利用被低频扰动信号污染的数据计算工频变量时必然产生极大的误差。

利用如式(9)和式(10)中的幅值变量,按照常规计算有功功率的算法得到A相有功功率PA如下:

式中:PAN为A相额定工频有功功率且PAN=0.5UmAImAcosφA;PAJR为A相有功功率交叉扰动项且PAJR=PAN(ur(t)+ir(t));PAR为A相瞬时低频功率扰动项且PAR=ur(t)ir(t)PAN;PR为低频信号的瞬时功率且PR=ur(t)ir(t)。

由式(14)可以看出,利用常规算法计算的有功功率包含2种类型的扰动成分,即与低频扰动电压和低频扰动电流成正比的交叉相乘功率扰动项PAJR和与低频瞬时功率成正比的低频瞬时功率扰动项PAR。

即使对于单一低频ωs的扰动信号,计算的有功功率PA中也包含2种低频成分的振荡扰动项,即频率为ωs的PAJR扰动项和频率为2ωs的PAR扰动项。

对于三相总功率,同样包含类似成分的低频振荡扰动分量。如果不剔除WAMS采集数据中的低频扰动成分,直接利用WAMS采集的电压幅值和电流幅值数据计算功率,并对功率的振荡成分进行分析,会得出此时电网中包含2种低频频率振荡成分的假象。

所以,对PMU采集的电压和电流数据进行低频振荡扰动成分的分离,对于利用WAMS采集的PMU数据以计算工频变量和准确分析电网中的振荡现象具有重要价值。

若将式(14)的计算结果作为工频有功功率,则低频强迫振荡扰动信号造成的A相工频有功功率计算误差如下:

对于对称的三相电路,三相总工频有功功率的计算误差与A相工频有功功率计算的误差类似。

5 PMU实测数据的低频振荡影响分析

根据2009年国内某地区电网发生低频振荡时WAMS采集的PMU数据,某条线路计算得出的三相总功率曲线如图5所示。

由图5可以看出,电网发生了明显的低频振荡现象。

为了验证式(15)的正确性,按照式(13)计算A相的有功功率PA,并按照上述第3节中的方法,从PA中提取A相工频有功功率PAN。

利用图5中的数据,计算式(15)中等式左边的工频有功功率计算误差,结果如图6中曲线Pa-er所示。利用图3和图4中的结果,将式(11)和式(12)的计算结果相加,近似等于式(15)中等式右边的前两项,即工频电压和工频电流计算误差和,如图6中曲线UaIa-er所示。

由图6可以看出,工频有功功率的计算误差基本等于工频电压和工频电流的计算误差和,图6的结果验证了式(15)的正确性。低频振荡造成该条线路PMU数据中工频变量的计算误差大致在±2.5%左右,低频振荡对该条线路上工频变量的影响不算严重。

对于受到低频振荡扰动影响较大的另外一条线路,计算的有功功率Pz和提取的工频有功功率Pj如图7所示。在该条线路上,计算的工频有功功率计算误差Perror如图8所示。

由图8可以看出,对于受到低频振荡扰动严重影响的线路,工频变量的计算误差可以达到±110%左右。可见,对有些线路而言,低频振荡对电网工频变量的影响是非常巨大的。

6 结语

随着电网广域测量系统的建设和完善,利用WAMS高速采集的电网同步PMU数据,对电网稳态和动态过程的快速实时监测将发挥重要的作用。当电网中发生低频强迫振荡时,由于PMU测量数据包含低频扰动变量,造成利用PMU数据计算的电网工频变量产生较大的误差,影响了电网稳态特征的计算和分析,严重限制了WAMS监测电网稳态功能的发挥。

针对PMU测量数据中所包含的低频扰动量,利用计算PMU测量数据的极大值曲线和极小值曲线,本文提出了一种分离低频扰动变量的方法,能够准确提取出工频变量。通过理论分析和对WAMS实际采集PMU数据的分析,验证了该方法的正确性和准确性。

改进的三维点云离群点滤除篇3

本文基于点云模型的空间单元格划分, 通过构造单元格的最大连通域, 可在完全去除距离较远离群点的同时, 有效去除模型表面附近的部分噪声点。具体过程为:首先对三维点云数据进行单元格划分, 其次构造单元格的最大连通域, 最后保留最大连通域内的数据点, 删除其它较小连通域内距离点云模型较远的离群点, 达到滤除离群点的目的。

1空间单元格划分

空间单元格划分的重要工作之一是确定小立方体的边长cub_size, 若边长设置过小, 则小立方体数目增加, 相应的搜索时间增加, 算法的效率降低;若边长设置过大, 一方面随着小立方体中点云数目的增加, 相应的遍历小立方体内各个点所消耗的时间增加, 另一方面小立方体增大, 那么处于点云模型边缘的小立方体会将模型边缘的噪声点也包含进来, 这将降低离群点滤除的质量。常见的小立方体边长的取值主要由点云数据占据的空间大小及点云分布情况来确定, 如公式1所示:

其中, cub_size为小立方体边长, r为调节因子, k为比例因子, cubx、cuby、cubz分别为x、y、z方向上包围盒的长度, n为包含的平均个数, N为点云数据的总点云数目, V为点云模型包围盒的体积。将n、V带入cub_size可得:

当前点所在小立方体的坐标索引分别是:

2最大连通域

单元格最大连通域指在借助图像连通域定义的基础上, 将划分得到的小立方体单元格视为二维图像中的像素点, 求取彼此邻接的单元格, 并将其归入同一连通域。基于该定义, 循环所有单元格, 求取点云模型的单元格连通域, 易知其中的最大单元格连通域包含点云模型的主体部分, 其余孤立的单元格连通域中包含的点距离点云模型主体较远, 可视为离群噪声点加以滤除。本文单元格连通域二维示意图如图1。

3试验结果与分析

基于空间单元格法的离群点滤除, 关键是单元格边长的选取。若边长取值较大, 则识别的噪声点减少;若边长取值较小, 则点云上部分点被标记为噪声点, 造成模型特征的缺失。令Ls代表空间单元格边长cub_size, 则表1为单元格边长Ls取不同值时, 在含噪Y模型上识别的离群噪声点个数统计与对比, 本文默认采用的空间单元格边长为Ls=0.051。

图2所示为空间单元格边长Ls取表中数值时, 在含噪Y模型上基于单元格最大连通域滤除离群点的效果。通过观察图2中右侧的六个小图, 与左侧的原始噪声模型相比, 经过空间单元格滤除后, 模型中的离群噪声点得到不同程度的抑制。同时从表1可以看出, 随着空间单元格边长的取值逐渐变大, 空间单元格法可以识别的噪声点数逐渐降低, 表明随着单元格边长的增加, 在单个单元格包含的点云数目增多的情况下, 部分包含点云模型数据的单元格中出现了不同数量的噪声点, 则在连通域的构造过程中, 由于包含该部分噪声数据的空间单元格归入点云模型的最大连通域中, 因此该部分噪声数据被标记为模型有效数据, 造成识别的噪声点数目减少, 离群点的滤除质量出现下降。合适的单元格边长需要通过调整比例因子多次试验得到, 并且由试验可知不同形态特征、不同分布类型的点云模型的理想空间单元格边长是不完全一样的。

结束语

本文对点云模型离群点滤除算法进行改进, 避免了大量的无谓计算。试验结果表明本文算法在检测出绝大部分离群点的同时, 有效地保留了模型的特征信息。但另一方面, 由图3可知, 在舞者模型的头部与手臂相邻的区域, 由于模型的这两个区域距离较近, 扫描时噪声点数量上较多, 且该部分噪声点又与模型本身的数据点相连, 故而本文算法并未有效检测出该部分噪声点, 这些是本文算法今后改进的核心。

摘要：针对目前基于欧式距离的点云离群点滤除算法效率低下、计算浪费的问题, 提出了一种改进的算法。通过对三维点云模型进行空间单元格划分, 进而构造基于单元格的最大连通域, 保留最大连通域内点云数据点。试验结果表明, 算法可有效去除点云模型的离群点。

关键词：三维点云,离群点,单元格划分,最大连通域

参考文献

[1]李宝.三维点云法向量估计综述[J].计算机工程与应用, 2010, 46 (23) :1-7.

[2]张帆.点云数据几何处理方法研究[D].西安:西北大学, 2013.

[3]刘彬.基于正交投影约束的点模型去噪[J].计算机工程, 2012, 38 (20) :264-267, 271.

[4]李晋江.群体智能点云光顺去噪算法[J].计算机集成制造系统, 2011, 17 (5) :935-945.

[5]聂建辉.散乱点云离群点的分类识别算法[J].计算机辅助设计与图形学学报, 2011, 23 (9) :1526-1532.

[6]张毅.基于密度的离群噪声点监测[J].计算机应用, 2010, 30 (3) :802-805, 809.

[7]张帆, 康宝生.散乱点云数据曲率估计方法[J].计算机应用, 2013, 06:1662-1664, 1681.

[8]王小超.基于局部重建的点云特征点提取[J].计算机辅助设计与图形学学报, 2013, 25 (5) :659-665.

一种滤除衰减直流分量的保护算法篇4

关键词：电力系统,微机继电保护,全波傅里叶算法,衰减直流分量,保护算法

0 引言

微机继电保护是指采用微型计算机对电力系统中的各种电气量进行采样,通过软件程序对采样数据进行运算、分析和判断,其运算的基础是若干个离散的、量化了的数字采样序列[1]。因此,微机继电保护的一个基本问题是寻找适当的离散运算方法,使运算结果的精确度能满足工程要求而计算耗时又尽可能短。全波傅里叶算法具有很强的滤除谐波分量的能力,且算法简单、稳定性好,因而在电力系统微机继电保护中得到广泛应用[2]全波傅里叶算法是基于周期函数模型推导出来的,当电力系统发生故障时,故障信号中除了基波分量以外还含有大量的高频分量和衰减的非周期分量,而此时用全波傅里叶算法计算得到的基波、各次谐波的幅值和相角就会有较大误差。为了克服衰减直流分量的影响,许多学者做了大量的研究,提出了一些相应的改进全波傅里叶算法[3,4,5,6,7,8,9]。但这些算法有的需要在基频周期采样的基础上增加若干个采样点,有的精度不高,有的计算较复杂。

本文在全波傅里叶变换的基础上提出了一种改进的全波傅里叶算法,该算法不需增加采样点数,只需对采样序列进行奇偶分列并分别进行傅里叶计算,经过理论推导就能在未知衰减时间常数的情况下对衰减直流分量进行精确补偿完全滤除衰减直流分量,从而缩短了数据窗,提高了算法的实时性。

1 全波傅里叶算法

基于周期函数模型的全波傅里叶算法思想源于傅里叶级数,即把周期函数分解为正弦和余弦函数,用于计算微机继电保护中信号基波和各次谐波的幅值与相位。

设一个输入信号为周期函数:

式中:Xmn为n次倍频的幅值;φn为倍频分量的相角;an和bn分别为各次分量的正弦项和余弦项的幅值。其中:

设每基频周期,等间隔采样N点,得到样本数为N的采样序列{x(k)}(k=0,1,…,N-1),将式(1)、式(2)、式(3)离散化后得

式中:(τ为衰减指数);ΔT为采样间隔,ΔT=T/N。

当输入信号中不含衰减直流分量时,得到的an和bn是真实值。

以上即为全波傅里叶算法的全过程,该算法本身具有较强的滤波作用,能分开基波和各次谐波,能完全滤掉各种整数次谐波分量和纯直流分量,对高频分量也有一定的抑制作用。

2 衰减直流分量对全波傅里叶算法的影响

当电力系统发生故障时,故障信号中除了基波分量以外还含有大量的高频分量和直流衰减分量,而衰减指数取决于电路阻抗值。全波傅里叶算法本身带有很强的滤除高次谐波的能力,却不能滤除直流衰减分量。因此,直流衰减分量会使计算结果产生误差。

假设故障信号如式(9)所示:

式中:XRn为n次谐波的幅值。

按式(2)和式(3)的计算方法可得

式中:Δan和Δbn是由衰减直流分量引起的误差。

下面讨论离散化计算时出现的误差。

把式(9)、式(10)、式(11)离散化后得

从式(13)、式(14)可看出,改进的全波傅里叶算法的关键是滤除衰减直流分量。

3 改进的全波傅里叶算法

改进的全波傅里叶算法(以下称改进算法)原理:设每周期等间隔采样N点,得到序列x(k)(k=0,1,…,N-1),并假设N为2的整数倍,把x(k)先按k为奇数和偶数分开,然后分别离散化。

因为是对1个周期的采样点取和,所以

则

同理可得

对整个序列x(k)取离散和可得

由式(10)可推导出

的推导过程,可以得到Δan和Δbn关系,即

由式(17)和式(18)的结果可推导出以下关系:

把式(21)和式(22)代入式(19)和式(20)可得

求出了Δan和Δbn便可得到较精确的正弦和余弦幅值:

从以上分析可看出,改进算法不需要延长数据窗,也不需要增加额外的采样点,可以更好地达到微机继电保护对迅速性和准确性的要求。

4 仿真验证

为验证上述改进算法的正确性,进行了仿真实验。验证的主要思路是假设一个有各次谐波分量叠加的输入波形函数,对这一信号进行采样,将采样的数值代入改进算法及全波傅里叶算法中,观察这两种算法输出的各次谐波分量是否与实际值吻合[10,11]。

假设输入信号为

该信号波形如图1所示。

将输入信号每基频周期采样32个点,则2种算法的仿真结果如表1所示。

从表1可看出,改进算法可有效地滤除衰减直流分量,尤其是对基波分量的提取效果明显。

5 结语

分析了衰减直流分量对全波傅里叶算法的影响,在此基础上提出了一种改进的全波傅里叶算法。该算法计算简单、数据窗短(只用到1个基频周期的N个采样点),不需要增加额外的采样点,只需对采样序列进行奇偶分列并分别进行傅里叶计算就能有效地消除衰减直流分量的影响。仿真结果表明,该算法具有较高的精度符合微机继电保护的要求。

参考文献

[1]张明君.电力系统微机保护[M].北京:冶金工业出版社,2002.

[2]罗钰玲.电力系统微机继电保护[M].北京:人民邮电出版社,2005.

[3]董连河.电力系统微机保护新算法的研究[D].大庆:大庆石油学院,2008.

[4]陈洁,何志勤,叶青.微机保护中滤除衰减直流分量的全周波傅氏算法的仿真比较分析[J].继电器,2007,35(6):16-20,29.

[5]侯有韬,张举.一种滤除衰减直流分量的快速算法[J].继电器,2004,32(6):6-9.

[6]马磊,王曾平,徐岩.微机继电保护中滤除衰减直流分量的算法研究[J].继电器,2005,33(17):11-13,34.

[7]李孟秋,王耀南,王辉.基于全周波傅氏算法滤除衰减直流分量新方法[J].湖南大学学报:自然科学版,2001,28(1):59-63.

[8]GUO Yong,KEZUNOVIC M,CHEN Deshu.Si mplified Algorithms for Removal of the Effect ofExponentially Decaying DC-offset on the FourierAlgorithm[J].IEEE Transactions on PowerDelivery,2003,18(3):711-717.

[9]齐先军,丁明,温阳东.一种完全滤除衰减直流分量的短数据窗改进全波傅氏算法[J].继电器,2005,33(17):14-16,44.

[10]钟麟,王峰.MATLAB仿真技术与应用教程[M].北京:国防工业出版社,2003.

滤除白细胞后血浆成分变化的研究篇5

1 资料与方法

1.1 标本来源

对滤除白细胞前后的全血进行充分混匀, 在无菌状态下分别留取血样10mL, 2000r/min, 离心10min, 分离留取上层血浆进行检测比对。每天留取5人份, 共留50人份。

1.2 一般资料

一次性滤除白细胞采血袋, 血凝仪, 离心机, 全波长酶标仪, 微量加样器, 离子分析仪, 乏Ⅷ因子血浆, APTT试剂, Ⅷ因子活性参比血浆, 总蛋白试剂盒, 邻家联苯胺试剂。

1.3 方法

将每天留取的5份血浆标本用血凝仪检测血浆Ⅷ因子活性, 用离子分析仪检测K+、Na+含量, 按照试剂说明书检测纤维蛋白原、总蛋白、游离血红蛋白。

2 结果

(表1)

3 讨论

白细胞滤器的孔径足以允许凝血因子和血浆蛋白的通过。而滤器的表面张力和电荷密度在滤除白细胞的同时, 有可能对凝血因子有一定的吸附作用[1]。从表1可以看出, 过滤前后血浆总蛋白、K+、Na+几乎没有差别;血浆游离血红蛋白和Ⅷ因子活性肉眼观察存在一定的差别但无统计学意义;纤维蛋白原有统计学差别, 但基本在正常范围。由于机械阻滞作用红细胞通过滤网时红细胞膜可能发生一定程度的损伤, 有学者认为滤盘中干燥的滤材的湿化是导致溶血的主要原因, 其可能机制是滤材纤维在接触血液时发生湿化, 吸收大量水分, 导致血液通过滤盘时红细胞膜被损溶血[2]从而使分离后的血浆游离血红蛋白增加。本文试验结果滤白后分离的血浆虽有不同程度的溶血, 但远远低于国家标准, 血液过滤后血浆中游离血红蛋白也在合格范围之内。但由于外观颜色微红, 往往遭到临床医院的拒绝。因此, 我们在不断改进滤白技术的同时, 也向临床用血机构进行了耐心的解释, 避免血浆的浪费。本文Ⅷ因子的检测结果与文献[3]中的结果基本一致, 表明白细胞滤器对FⅧ确有一定的吸附作用, 但仍在正常范围内。而纤维蛋白原检测结果与之相差较大, 在白细胞过滤前后有较大差异。分析原因可能与使用不同厂家滤器有关。因纤维蛋白原是血液凝血因子之一, 而且分子较大, 是血液粘稠度的主要原因, 全血比单血浆通过滤器可能有更多纤维蛋白原被吸附, 尚需进一步验证。FⅧ和纤维蛋白原是衡量冷沉淀质量的重要指标, 过滤前后虽仍在参考范围内, 但考虑制备过程中不可能全部提取到冷沉淀中, 可能有部分失活或随多余的血浆被分离出去, 因此, 建议制备冷沉淀的原料血浆应先分离血浆后再过滤, 以最大程度保证冷沉淀中FⅧ和纤维蛋白原的含量。但实际工作中滤除血浆的悬浮红细胞因血比积很高, 滤除白细胞速度很慢甚至可能溶血, 建议这部分红细胞用于制备洗涤红细胞。

参考文献

[1]李小平.白细胞过滤器对凝血因子的影响[J].中国输血杂志, 2003, 16 (6) :38.

[2]何小利.血站型白细胞滤器过滤中溶血原因分析与处理[J].第三军医大学学报, 2004, 26 (23) :2176.

联袋过滤器滤除白细胞的效果分析篇6

1 材料与方法

1.1 标本来源

随机抽取2010年8月-9月采集的血液共80袋, 均采用CPDA-2保养液。

1.2 仪器

Mystic18全自动血细胞计数仪、Eppendorf半自动生化分析仪、Neggout计数板、东芝TBA-40FR生化分析仪、希森美康CA-50血凝仪, 海尔低温过滤柜、即滤型白细胞过滤器 (厂家山东威高;批号:1007692)

1.3 方法

随机收集当天采集的全血80袋, 随机分为放置2h内、2-4h, 4-8h, 12h以上隔夜共四组, 存放过程放置于4℃储血冰箱, 血液过滤时均由工作人员先混匀采集母袋后挂于过滤支架上全速过滤, 未控制过滤滴速, 过滤时间计算自血液进入滤盒时即刻计时至血液过滤完毕, 选取过滤前后的血液标本进行血液各项指标的检测, 过滤后血液中残余白细胞用Neggout计数板计数, 用生化分析仪测定离心分离后血浆中总蛋白的浓度, 用邻联苯胺法测定血浆游离Hb。

2 结果

3 讨论

过滤法去白简称滤白, 采用特制的白细胞滤器将血液成分中的白细胞滤除, 其基本原理是血液通过滤盘时, 经机械阻滞和吸附的原理去除白细胞, 而让表面光滑、变形能力较强的红细胞能通过3μm孔径的过滤器。本站通过实验对比发现即滤型滤器过滤白细胞的过滤时机以采血后2-8h为宜, 且可顾及到新鲜冰冻血浆的制备时间, 白细胞清除率高达3log10, 残余白细胞可低至106水平, 300mL血液过滤时间用时约为8-12min, 400mL血液过滤时间用时约为9-14min, 采集后2-8h内过滤未增加红细胞溶血现象, 血浆FHb未发生明显变化, 过滤后Ⅷ因子含量有部分减少, 但浓度均达到新鲜冰冻血浆的质量标准 (70IU/mL) , 血液容量损失为10%左右, 但有资料证明:相同单位的悬浮少白细胞红细胞与悬浮红细胞, 虽然容量和RBC更少, 但前者输注有效比例高, 输后RBC、Hb增加明显或高于中位数的情况增多。

20世纪末, 随着对白细胞相关输血并发症的认识提高及储存前白细胞滤器的引入, 去白的益处渐被采供血机构和临床各方所认可。联袋过滤法于储存前过滤, 操作简便易统一规范, 过滤效果好, 但影响过滤法去白细胞效率的影响因素除滤材质量外, 过滤时机、环境、操作动作幅度等诸多原因影响血液的过滤效果和血液质量, 再加上我国现有法规对去白血液成分制备的过程控制、制备后白细胞残留及其他治疗性血液成分的损失等质量标准缺无, 因此保证滤除白细胞过程中的质量与临床输血治疗效果, 确保输血安全尤为重要。

参考文献

[1]Hendrickson JE, HillyerCD.Noninfection serious hazards of transfu-sion[J].Anesthesia&analgesia, 2009, 108 (3) :759-769.

【滤除方法】推荐阅读：

(化学学习方法)高中化学学习方法10-16