排序方式: 共有29条查询结果,搜索用时 15 毫秒
1.
集中绕组永磁无刷直流电动机反电动势分析 总被引:1,自引:0,他引:1
针对集中绕组永磁无刷直流电动机,提出了反电动势的分析方法,推导出了计算公式,得出了计算波形,与电动机反电动势实测波形进行了比较,并讨论了每极每相槽数对反电动势的影响。 相似文献
2.
3.
针对传统图像增强算法对噪声比较敏感、图像失真和细节信息丢失等不足,提出一种基于Sobel算子滤波的图像增强算法。通过理想高通滤波和Sobel算子提取出边缘掩膜,再利用平滑滤波和拉普拉斯算子结合得到简单的细节增强图像。然后将其和掩膜相乘后,再与输入图像相加可得到效果较好的边缘细节增强图像。通过实验进行比较分析,评价结果显示,该方法得到图像的视觉效果相对原始图像和同态滤波都有明显的改善。实验结果验证了该方法的有效性,在增强图像边缘细节的同时,能够抑制噪声并保持图像的真实性。 相似文献
4.
高压电网长距离传输线路经常飘落缠绕风筝塑料等异物需要及时清理,而人工异物清除方法存在较大安全隐患。激光具有发散角小、方向性高、高亮度的特点,是远距离非接触式电网异物清除的有效手段。为此在实验室搭建激光毁伤测试系统,测量典型电网异物清除阈值,依据测量结果设计了一种适用于户外使用的固定焦距光束发射系统,系统由3片分离式球面镜片组成,成像质量达到衍射极限,结构简单紧凑,长度仅有272 mm,重量小于48 g。根据设计结果,通过优化设计光源到透镜的距离,可实现系统在20~200 m工作距离调整。最终,采用物理光学传播功能模拟系统实际的使用情况,系统在发射基模高斯光束时,在各工作距离下光斑直径均小于9 mm,达到异物清除阈值,可实现对各类电网异物的有效清除。 相似文献
5.
随着光学遥感图像技术的快速发展与广泛应用,对光学遥感图像的准确分类具有深远的研究意义。传统特征提取方式提取的高维特征中夹杂着许多冗余信息,分类过程可能导致过拟合现象,针对传统的线性降维算法不足以保持原始数据的内部结构,容易造成数据失真这一问题,提出基于流形学习的光学遥感图像分类算法。该算法首先提取出图像的SIFT特征,然后将流形学习运用于特征降维,最后结合支持向量机进行训练和识别。实验结果表明,在Satellite、NWPU和UCMerced实验数据中,冰川、建筑群和海滩分类精度得到了有效提高,达到85%左右;针对沙漠、岩石、水域等特殊环境遥感图像,分类精度提高了10%左右。总而言之,基于流形学习的分类算法对通过降维之后的数据能够保持在原高维空间中的拓扑结构,相似特征点能得到有效聚合,预防了"维数灾难",减少了计算量,保证了分类精度。 相似文献
6.
针对太阳能电池片缺陷数据量匮乏造成的网络过拟合和模型性能不达标的问题,提出基于深度卷积对抗生成网络和图像随机拼接的真假数据融合算法,将训练数据量提升了800倍;同时对网络模型进行轻量化优化,减少模型训练参数。实验结果表明,经过真假数据融合扩充数据集后训练的模型测试精度相比原始训练集和传统数据增强算法分别提升了近30%和17%;轻量化处理后的模型参数减少为之前的1/2,对每张图片的测试时间由57 ms缩短到22 ms。研究证明,真假数据融合算法能够有效的缓解训练数据不足造成网络过拟合问题;轻量化优化模型在保证精度的同时,压缩模型大小,加快测试速度。 相似文献
7.
目前利用深度卷积神经网络提取图像底层特征后分类效果已比较优秀,但是对于数据量大、波段多、波段间相关性高的多光谱遥感图像并非完全适用。针对多光谱遥感地物分类中常常出现的Hughes现象,即当训练样本一定时,模型的预测能力随着维度的增加而减小,提出了一种结合高层特征空间和迁移学习网络的遥感地物图像分类算法,利用两层堆叠的反卷积网络来提取目标数据集的高层特征,利用VGG16模型的卷积层权重来构建迁移网络模型,将高层特征导入迁移网络中加强训练得到更加优越的训练模型,利用训练模型可对多光谱遥感数据集更加准确分类。实验结果表明,在Satellite、NWPU和UC Merced实验数据中,冰川、建筑群和海滩分类精度得到有效提高,达到92%左右,针对沙漠、岩石、水域等特殊环境遥感图像,总体分类精度提高5%左右。部分多光谱遥感数据的底层特征和中层特征在训练器中表现并不理想,波段的增多也会导致信息的冗余和数据处理复杂性的提高,反而高层特征在这部分数据中保留了地物信息的轮廓,能更好地适应分类器,得到更加优越的分类结果。 相似文献
8.
9.
在工业循环冷却水处理中阻垢问题一直是困扰着我们,下面就将对工业循环冷却水阻垢的技术进行浅析,分别通过对物理阻垢方法和化学阻垢方法进行分析和阐述,找到适合的解决循环水的阻垢问题的方法。 相似文献
10.
低密度奇偶校验码(LDPC)是一种(n,k)线性分组码。当分组码码长较短时,利用常规的编码方法可以完成编码工作。但随着分组码码长的增加,利用常规LDPC的编码方式编码,计算机的内存难以承担。为了解决以上问题,提出两种有效的编译码方案。首先,该数据协调方案不同于传统校验位译码,利用边信息和原始数据产生的校验子进行联合译码;其次,将校验矩阵以稀疏矩阵的形式存储,利用双向十字循环链表只记录1的位置的方式存储校验矩阵,这样可极大地节省内存空间;最后,通过C语言实现可提高编译码的有效性。实验中选取码长105的分组长度,译码器误码率(BER)收敛于1.0dB,每一分组译码时间仅需4s,译码收敛后速率达到24.85kb/s,时效性较强。 相似文献