基于多模型神经网络PI控制器的STATCOM直接电流控制方法

针对静止同步补偿器(STATCOM)功率因数补偿问题以及传统PI控制器的局限性,本文提出了一种基于多模型神经网络PI控制器的STATCOM直接电流控制方法。该方法将多模型方法和神经网路技术与传统PI控制方法相结合,利用多模型方法来适应不同负载下功率因数的变化,从而满足无功补偿的精度要求;同时,利用神经网络技术,使其输出作为最优控制规律下的PI控制器的参数值,从而满足大工况、全工作条件和最优性的要求。仿真研究表明,多模型神经网络PI控制器相比传统PI控制器,具有更强的对于负载功率因数变化的适应能力和更高的补偿精度,使补偿后的功率因数维持在1左右,从而证明了该方法的有效性。     

基于改进的Canny算子的HEVC帧内模式选择

针对HEVC中帧内预测模式选择算法复杂度问题,提出了一种基于改进的Canny算子的HEVC帧内模式选择算法. 首先,通过改进的Canny边缘检测算子提前分析预测块的方向,将此方向相应的角度预测模式加入到候选模式集中;其次,利用图像空间相关性,将相邻预测单元的最优帧内预测模式添加到候选模式集中,最后,通过RDO代价进行帧内模式选择. 实验结果表明,与粗选择模式相比,该算法将候选模式数目从35种减少到不超过9种,算法编码时间平均减少32%,而BD-Rate损失仅为0.096%,并且编码后的主观图像质量基本没有变化.