视觉显著性纹理—色彩特征融合的图像目标分类

针对图像目标分类,提出了一种显著性纹理特征.考虑到显著目标图像在纹理特征表征上的优势,在目标显著性图像提取的基础上进一步提取视觉显著性纹理特征.进而将该视觉显著性纹理特征同HSV色彩特征进行融合,形成图像目标融合特征,输入至后端分类器中进行分类.多类别的交叉实验证明,基于该融合特征的目标分类方法能够较为准确的对图像目标进行分类,在SIMPLIcity图像数据集上平均分类正确率达到84.84％,在Corel图像集上平均分类正确率为85.05％,优于基于单一分类特征的图像分类方法.     

基于图像对比度的舰船目标成像算法

针对舰船目标ISAR成像时舰船随机摆动对于成像质量的影响,提出了一种同时基于多普勒中心估计和图像对比度准则的最优成像时间段选择方法。该方法根据海舰船回波的实际数据,估计各个回波的多普勒中心频率,并根据多普勒中心曲线选取舰船目标的线性成像段。然后,通过采用图像对比度准则,对该线性段进行处理。相比已有的方法,本文的成像效果更好。该方法易于实现且运算量较低,适用于实时应用。仿真数据的处理结果验证了本文所提方法的有效性。     

基于关联信息的红外微波复合探测技术研究

针对红外微波复合探测的目标识别问题,提出了基于关联信息的多传感器复合探测目标识别方法,通过红外与微波传感器对真实探测目标和虚假干扰目标的回波差异分析,采用关联信息融合的方法提取相应的特征参数进行对比与分析。在此基础上建立了红外微波传感器探测目标识别的数学模型,并分析研究了基于关联信息的红外与微波复合探测目标识别问题,最后通过实验的方式加以验证并得出结论,该种方法在目标探测及识别方面具有较为显著的效果。     

基于Android的运动状态识别分析系统设计

从数据采集、运动状态识别及识别结果显示3个方面,设计基于Android的运动状态识别分析系统。在硬件电路方面,本系统使用MPU6050加速度传感器采集数据,并做预处理。在软件方面,运动状态识别算法在手机APP的后台实时处理数据。首先对接收的6组数据进行预处理,检测并统计识别步数;其次运动周期提取,计算挥拍次数及平均挥拍速度;然后对运动周期内的数据进行标准化处理,调用个人特征数据库进行运动识别,实现越用越准;最后将结果通过基于Android的手机APP界面进行显示。在系统测试中,能够计算出挥拍次数、平均挥拍速度、步数,同时能够识别出羽毛球、乒乓球两种运动模式和高远球、弧旋球等8种运动动作,识别率达到90%以上。     

基于STM32的地震动信号检测识别系统设计

地震动信号检测识别在边防预警、军事战争、石油管道监护、安全监控等领域有广泛应用,对此,设计了地震动信号检测识别系统。系统主要有以下4部分：地震检波器检测震动信号;STM32处理器进行A/D转换、识别算法的实现;GPS北斗定位模块实现目标的定位;无线传输模块进行数据无线传输。通过大量实验验证,该系统使用方便、性能可靠,能够准确识别人员和车辆目标。     

基于万有引力搜索算法的微电网风光储容量优化配置

针对规模化风光储发电单元运行可靠性差、经济效益低等问题,通过采用多目标万有引力搜索算法,实现对风光储发电单元的优化配置。建立发电单元的输出功率模型,包括风力发电机输出功率模型、光伏电池输出功率模型和储能电池输出功率模型;采用某地区2015年1月至12月的风光数据,得出风机、光伏电池一年的输出功率。以风机、光伏电池及蓄电池的容量为决策变量,以成本、能源浪费率及缺电率最小为优化目标,得到最优风光储容量配置组合。     

模糊神经网络在电力系统中的应用

为弥补模糊控制和神经网络这两种人工智能技术上的不同特点和适用范围的不同,将这两种智能控制技术进行结合形成模糊神经网络,并应用于电力系统中。对电网中的无功偏差和有功损耗最小作为控制目标进行控制,以电压和无功功率在合适范围内进行条件约束,验证控制后的实际输出和期望值的比较,结果表明模糊神经网络对提高电力系统的电能质量具有重要的现实意义。     

计及柔性资源的含风电场电力系统多目标动态协调调度EI北大核心CSCD

针对风电出力的间歇性和不确定性,提出考虑能量存储系统和需求侧管理的含风电场电力系统的动态经济环境协调调度模型。结合风电出力概率模型,将含随机变量的机会约束转化为确定性约束条件。在此基础上,建立含风电场及柔性资源的多目标调度模型,并提出一种基于拥挤熵的改进多目标粒子群优化(IMOPSO-CE)算法对该模型进行求解。最后以含6台火电机组和1个风电场的电力系统为算例,对不同调度情景下的仿真结果进行比较分析,验证了所提模型的合理性及IMOPSO-CE算法的有效性,为解决含风电场电力系统动态经济环境调度问题提供了一种新思路。     

基于HSMOPSO算法的微电网经济与环保协同优化方法EI北大核心CSCD

将微电网运行的经济性和环保性作为目标进行优化调度,可促进两者的协同优化。在算法上,传统多目标粒子群算法(MOPSO)采用拥挤距离法寻找集群最优解,局部性强而全局性较差。为此,首先构造了引入模糊相似矩阵的多目标粒子群算法(FMOPSO),以提高算法的全局性;然后综合两算法的优点,提出了混合策略下的多目标粒子群算法(HSMOPSO)。结果表明:将一欧洲典型微电网作为优化调度对象,采用HSMOPSO算法求得的非劣解集不仅更贴近真实的Pareto最优前端,且分布广而均匀,并且具备良好的多样性;在微电网中引入储能技术后,优化结果更靠近坐标原点,实现了Pareto改善。研究结果验证了所提优化算法兼具良好的局部搜索能力与全局搜索能力,同时也论证了引入储能技术可显著促进微电网经济与环保的协同优化。     

考虑预安排停电的配电网可靠性评估方法EI北大核心CSCD

为了提高配电网可靠性评估的精度,提出了考虑预安排停电的配电网可靠性评估方法。相对于传统的配电网可靠性评估方法,该方法不仅考虑了故障停电对配电网可靠性的影响,还将占停电事件更多比重的预安排停电考虑在内,认为电力设备按照一定概率发生各类停电事件。根据停电原因将预安排停电事件分为检修类和扩容类,并将电力设备分类建立相关的停电模型,各个电力设备按照一定的概率影响配电网的可靠性评估结果。评估结果表明,相对于仅考虑故障停电的可靠性评估方法,所提出的方法能够更加准确地评估配电网的可靠性。