基于SoC的单芯片保护装置架构设计优化

智能变电站对保护安装方式和检测要求提高,原有保护系统存在传输速度慢和架构复杂导致可靠性不高等问题,在此背景下,提出对数据进行分流处理交换,采用k-means算法与业务优先级分层管理技术保证数据实时性,并以FPGA作为通信并行的协处理器,提高处理器和FPGA之间的传输效率.基于以上架构研发出基于k-means算法的电力系统SoC芯片继电保护装置.该装置通过实时数字仿真系统RTDS(RTDS)的故障录波图确定保护装置的动作时间,证明该装置的可靠性和实用性,最后将研发的继电保护装置应用于南方电网部分智能变电站中进行了三年的运行,结果表明其运行可靠稳定,实现保护就地化,装置小型化、高防护、低功耗,达到预期的效果.     

基于NSGA-Ⅱ算法的互补能源接入方案优化配置

构建以电力为主体,融合热、气等不同形式能源,在生产、消费多个环节优势互补的多能源系统,是提升能源利用效率,促进能源清洁发展,构建能源互联网的关键.首先,依据风、光等分布式能源稳定模型,构建智慧城市多能互补系统架构;然后综合考虑投资商、电力公司、用电客户等能源主体利益,以系统潮流、接入互补能源的节点电压、装机容量等为条件,建立智慧城市多能互补系统规划模型;最后,引入改进的遗传进化算法,确定模型的寻优流程,对多能互补系统能源网络接入能源的节点位置与装机容量进行优化求解.结果表明,对多能互补系统合理规划,有助于智慧城市能源供应向清洁、可持续化方向发展.     

矿井涌水量重标极差法等维预测模型

目前,矿井涌水量预测方法较多,但预测效果并不十分理想.为了提高预测的精度和速度,鉴于重标极差法对复杂系统演变分析和预测具有的独特优势,建立基于MATLAB的重标极差法涌水量等维预测模型,采用试算法确定涌水量时间序列的后续最佳取值.利用平顶山天安煤业股份有限公司八矿的涌水量资料对模型进行验证,结果表明:该矿涌水量时间序列的Hurst指数H=0.968,涌水量序列均具有很强的持续性;平均循环周期为17个月;建立的模型预测精度达到了98.43％,说明此模型对该矿涌水量的预测十分有效.利用MATLAB软件编写的重标极差法预测涌水量的程序,避开了繁琐的计算,提高了预测速度和精度.     

基于GPS/INS的自适应无迹Kalman滤波算法

载体的姿态参数是导航系统重要的影响因素,为提高姿态角测量精度,以INS和GPS紧组合导航系统为研究背景,针对无迹Kalman滤波算法对误差模型较敏感、新息噪声干扰数据需预处理、算法实效性低等缺点,提出改进的自适应无迹Kalman滤波算法.首先,用自适应窗口在线估计系统噪声和量测噪声的协方差值,得到与实际噪声更贴近的统计特性,减小数据预处理的干扰;其次,对状态预测方差阵引入次优渐消因子减少计算量,同时为了减少模型的精度损耗,对滤波过程引入统计量,确定模型不确定性检测阈值;最后,用扩展Kalman滤波、无迹Kalman滤波和改进后的新滤波算法对无人机航向轨迹进行数据处理.结果分析可得,改进的滤波融合算法能将姿态的测量精度提高到0.1°,具有更强的收敛性,能较好地抑制漂移误差.     

基于改进型负载转矩观测器的 永磁同步电机滑模控制

为减少负载转矩扰动对永磁同步电机控制造成的影响,设计了一种改进型负载转矩观测器。以转速和负载转矩为观测对象建立负载转矩观测器,将观测的负载转矩前馈补偿至转矩电流中,并加入可变增益算法,有效抑制了滑模速度控制器输出的抖振问题;采用改进滑模速度控制器替代传统的PI控制,通过改进控制器中指数趋近律函数,提高了系统的响应速度。仿真结果表明,该方法能准确地观测负载转矩,减少系统抖振问题,提高系统的抗干扰能力及动态响应性能。     

基于正余弦优化多阈值图像分割

将进化计算(EC A)与阈值准则相结合,利用能量曲线参数执行多级阈值分割.进化计算的正余弦算法(SCA)应用于图像分割中的多阈值分割问题,对所提出的方法进行了质量方面的深入评估,并且使用统计分析方法进行比较.进行了数值实验和分析.     

结晶器电偶温度数据预处理方法的研究

提出了一套热电偶温度数据预处理方案。将所提出的数据预处理方案应用于自行开发的基于RBF神经网络预报系统中，表明了该方案能有效降低误报率，同时也提高了预报精度。     

图像序列中的自动点目标空时快速检测*

提出了一种新的序列图像中点状运动目标空时快速检测方法,该方法假设经过背景杂波抑制预处理后图像已转换为类SPGWN(信号加高斯白噪声)模型.自动目标检测时图像序列被划分为多组检测单元,每单元包含两帧相邻的图像.根据目标速度限制条件,采用在单元内以及两相邻单元间沿轨迹集成像素灰度的检测算法.在付出同等运算量的代价下,克服了二维投影检测性能较差的弱点,同时也具备可检测多速率目标的优点.理论分析和仿真试验表明了该检测方法的有效性.     

采用形态神经网络背景自适应预测的图像弱小目标检测*

提出一种有效的背景杂波预测形态神经网络模型,用于检测图像数据中的弱小目标.目标被假设为只有很小的空域扩展度,而且淹没于强背景杂波干扰中.通过形态神经网络,杂波背景被准确地估计并从输入数据中去除,只剩下残留噪声和目标信号.采用扩展输入层数据的办法修正了传统的形态开、闭运算三层前馈BP网络模型.为了跟踪包含不同子结构的复杂背景,原始图像被划分为多个子块,并在相应的子块中选择训练样本对结构元进行优化.对真实图像数据的计算机仿真表明该算法在性能上优于其他传统算法.     

基于自动选取最佳阈值的X光图像快速分割方法*

为实现对数字X光图像进行快速分割,提出一种针对直方图的包络特征进行处理的新方法.该方法采用分水岭算法对数字X光图像的直方图一维信号进行处理.首先计算出图像的直方图,然后对直方图进行形态学滤波,提取出直方图的包络.在此基础上对直方图的包络采用分水岭算法自动提取出最佳阈值.用提取出的阈值进行基于阈值的初步分割,然后进一步采用基于标记的分水岭算法对初步分割的二值图像作进一步分割.通过实验表明,采用该方法可以有效地分割大幅X光图像.