基于局部二值模式的作物叶部病斑检测

根据作物叶片症状准确、快速检测作物病害是防治和控制作物病害的基础。为准确检测作物叶部病害,在窗阈值中心对称局部二值模式（WTCSLBP）的基础上,提出了一种作物病斑检测方法。首先利用自适应局部二值模式获取正常叶片图像特征并确定病斑判断阈值,然后将待检测叶片图像分割为大小相同的检测窗,并提取同样特征与阈值进行比较,以判断该检测窗是否有病斑。在三种苹果病害叶片图像数据库上的实验结果表明,该方法能够有效检测作物病斑分布特性。与中心对称LBP（CS-LBP）和WTCSLBP相比,该方法具有更少的特征维数和更高的正确识别率。     

基于小波神经网络的永磁同步电机无速度传感器滑模控制

永磁同步电机(PMSM)是一个多变量、非线性、强耦合的复杂系统,对外界扰动及内部摄动极为敏感。为提高系统鲁棒性,基于小波神经网络的时频局部特性、变焦特性、自学习、自适应、鲁棒性及很强的非线性逼近能力等特性,建立非线性映射,估计转子位置并计算转子的输出速度,引入滑模变结构控制策略对PMSM进行控制,并在同等条件下对PI控制进行了仿真研究,结果表明所提出的控制策略能有效提高系统的调速性能。     

基于小波包分析的电机调速系统故障诊断与自动修正

提出了一种针对电机调速系统故障诊断和自动修正的方法.对被检信号采用小波包分解和单节点重构的改进算法,细化信号的信息特征,消除频带混淆;以容差范围作为误差判别标准,统计平均,计算各个频段内的能量向量值,力使故障诊断误差最小化;构建归一化能量特征向量,凸显故障特征,提高诊断的实时性;建立故障特征向量和修正措施的映射关系,通过调节脉宽调制(PWM)波来修正电机转速.设计了以80C196KC单片机为控制核心的自动检测故障和修正转速的电机调速系统,并与常规PID控制器进行对比试验.试验结果表明:该系统具有较好的纠错性能和调速精度,是特征提取、故障诊断和自动修正的有效方法.     

基于db小波变换和降噪的电力系统间谐波分析

间谐波作为1种特殊的谐波,大量存在于电力系统中,对电能质量造成严重的污染。传统的快速傅里叶变换(FFT)对间谐波的分析有很大的局限性,离散小波变换(DWT)具有良好的时频局域化特性,通过理论分析和试验仿真表明,采用小波变换方法能有效地检测出信号中所含的间谐波成分。     

基于离散小波多分辨率分析的电网谐波检测法

电力系统中存在大量由非线性器件对电网电压和电流整流、逆变而产生的时变谐波。傅里叶变换是应用最为广泛的谐波检测方法,但其不适于时变谐波的检测分析。采用离散小波多分辨率分析方法对电网中的谐波进行检测分析,仿真结果表明,离散小波变换具有良好的时频局部化特性,可以对电网中的谐波进行有效的检测分析。     

基于小波分解和ID3算法的短期日负荷最大值预测方法

为了综合考虑气象对负荷的影响,本文引入了生物气象学中的实感温度、寒冷指数、温湿指数、舒适度4个指标来量化气象因素的综合影响。将原始负荷序列进行小波去噪,及对负荷变化率进行离散化处理后,通过ID3算法生成负荷预测决策树模型,在得到实感温度、寒冷指数、温湿指数和舒适度后对日负荷最大值进行预测。经算例证明,该模型能够满足负荷预测实用化标准的要求。     

从时频角度重新审视南方电网的区间功率振荡

EEMD和HVD是近年用来电力系统振荡的两种新的信号分析手段。文章结合小波频谱从时间-频率角度重新检视了南方电网近年来发生的3次区间振荡事件。分析结果表明,南方电网的振荡有非平稳时变振荡以及平稳振荡两种形态,小波分析以及HVD可以很好地处理非平稳振荡,而传统的Prony分析不能胜任。     

基于双树复小波的相电流行波故障选线新方法

在对配电网单相接地故障电流行波分析的基础上,得出了各相电流初始行波之间的恒定关系式,提出一种基于具有时移不变性的双树复小波的选线算法,该算法避免了实小波的各种缺点,防止选线失效,同时也解决了仅含两相电流互感器的选线问题。另外,考虑了母线分布电容对选线算法的影响,得出分布电容不但不会削弱选线效果反而更有利于选线的结论。通过仿真实例验证了所提出的算法有效、可行、灵敏度高,能够适用于任何出线线路类型相同的配电网。     

局部放电信号检测的HHT-MDL自适应阈值算法

基于局部放电信号特征,将HHT与信息论的MDL 判据相结合应用于局部放电信号的提取。该算法以多分辨率的EMD为基础,结合MDL判据自适应地确定EMD得到的IMF的阈值,来提取局部放电信号,同时还得到局部放电信号的时间-相位-幅值谱。对于强周期窄带干扰,提出了先用FFT预处理后,再用HHT和MDL消噪的简单算法。该算法综合了这两种方法的优点：无需定义任何基函数,无需事先知道噪声的水平,不需要预置阈值、不需要选择阈值行为方式,有较强的自适应性。仿真结果表明,本方法能够有效地消除局部放电中的噪声,其效果优于基于小波和MDL准则的消噪算法,为局部放电信号的消噪提供了一种新思路。     

基于改进SVM模型的电能质量扰动分类

提出一种改进的支持向量机模型,对电能质量扰动进行分类.支持向量机(SVM)在对大规模样本集的训练和分类时,需要占用大量内存,时耗过高,运算速度缓慢.针对这种情况提出一种改进的SVM模型:将原始训练样本集应用粗糙集理论(RS)去除冗余信息,然后在SVM中引入概率分布函数,用一个小规模的样本集训练得到一个初始的分类器,用这个初始分类器对大规模训练集进行修剪,修剪后得到一个规模很小的约减集,再用这个约减集进行训练得到最终的分类器.实验表明:这种改进的SVM模型有效降低了训练样本集的规模,提高了分类能力.