基于小波包降噪和Hilbert谱奇异值的滚动轴承故障诊断

Hilbert谱奇异值是对振动信号进行Hilbert-Huang变换得到Hilbert谱时频矩阵后,再利用奇异值分解的方法提取矩阵的特征得到的,但对噪声比较敏感。为了消除随机噪声和局部强干扰对特征提取的影响,先利用小波包降嗓,得到振动信号的谱奇异值作为故障特征,并选用SVM来诊断故障类型。试验结果表明,该方法能有效地应用于滚动轴承故障的识别。     

基于能量图匹配的步态识别方法研究

步态识别是一种新兴的生物特征识别技术,它依赖于图像处理和模式识别技术.本文针对步态识别目的,运用基于能量图的方法识别步态目标.首先对静态背景下的序列图像进行背景建模,根据建模结果提取出各帧图像中的目标.二值分割之后,运用形态学滤波器处理目标,得到无噪声的完整目标,经平均化计算得到能量图.讨论了相似性计算方法,运用模板匹配法进行最终的目标识别.运用步态数据库中的图像进行实验,结果证明了方法的有效性.     

单相并网光伏微逆变器系统的设计及研究

设计一种新型光伏微型逆变器系统,给出了硬件结构及软件设计,硬件结构部分采用的交错反激变换,全桥逆变电路,软件部分采用Microchip的16位dsPIC33FJ16GS504芯片。主要实现对系统的最大功率点跟踪控制(MPPT)、交流电压、电流采样,反激电流采样通过产生的PWM信号对逆变部分MOSFET开关管进行控制。     

基于Procrustes均值形状和Fan-Beam变换的步态识别

针对单一特征进行步态识别的局限性,为了得到更准确的识别结果,利用动静态信息的互补性,将两者结合起来进行身份识别。首先用Procrustes均值形状提取步态轮廓形状静态特征,然后计算步态能量图(GEI),再对GEI进行Fan-Beam变换,使用二维主成分分析进行特征空间降维,得到运动目标的频率动态特征,最后将两个特征欧氏距离融合起来获得最后的识别结果。在中科院的Dataset B数据库上进行实验,达到了预期的识别效果。     

改进的尺度不变特征转换精确图像匹配在电力设备目标定位中的应用

针对电力设备目标定位问题,研究了基于改进的尺度不变特征转换(scale invariant feature transform,SIFT)精确图像配准的定位方法。首先用改进的SIFT特征描述子提取图像中的特征点,降低了特征向量描述子的维数,大大提高了算法的速度;然后采用欧氏距离对特征点进行初始匹配,由于初始匹配过程中存在误匹配,采用改进的随机取样一致性(random sample consensus,RANSAC)算法对阈值进行自动调整,消除了错误匹配;最后,以电力系统中的刀闸、变压器为例,采用旋转、缩放、光照变化及加噪声图像验证了该算法。实验结果表明:改进后的算法不仅继承了SIFT算法的鲁棒性,而且提高了算法的速度和匹配精度,可以较好地应用于电力设备目标定位中。     

一种新型3G鉴权实现方案研究

基于Rijndael算法的3G鉴权算法是目前最为成熟的3G鉴权算法实现方案。从这种实现方案中可以清昕地看出得同步过程在算法设计中是如何实现的。这种算法实现方案存在功能不同的算法相关度过高,且算法结果得用率不高等问题,值得在以后的算法设计中引起重视。     

基于Adaboost与贝叶斯决策的系统状态评估

本文针对工业系统运行状态设计评估方法.首先以整个系统中某个子系统的传感器组群信号作为输入,训练自适应增强(Adaboost)分类器,得到该子系统多种假定工作状态分类结果.之后以子系统状态分类结果作为贝叶斯决策(Bayesian Decision)的依据,运用最小错误率(Minimum Error Ratio)原理估计整个系统状态.实验采用仿真形式,以多组模拟传感器信号作为输入,完成系统评估过程.     

双向快速SIFT匹配在电力设备识别中的应用研究

采用目前最为活跃的SIFT匹配算法,对电力设备进行识别与定位。该算法具有旋转、平移、尺度缩放、亮度变化保持不变的特点。但是,SIFT算法中特征向量的维数(128维)很高,很大程度上增加了运算的复杂程度。本文针对其维数高的缺点,尝试进行改进,力求保持原算法优良特性前提下,尽量降低特征向量维数。同时特征点单向匹配过程中可能存在误匹配,因此本文采用双向匹配,一定程度上提高了匹配的准确率。实验结果表明,改进后的SIFT算法缩短了运算时间,提高了匹配的精准度,可以较好的应用于电力设备识别定位中。     

自动化卓越班计算机控制系统课程的改革与实践

自动化专业是东北电力大学实施"卓越工程师教育培养计划"的重点学科之一,计算机控制系统是自动化专业的重要专业课,具有理论性强和工程实践性强的特点。以培养卓越工程师为目标,从理论教学内容、教学方法和手段、实践环节等方面进行了有益的改革和探索,这些举措有利于提高学生的工程素质和综合实践能力。     

视频底层特征提取技术研究

近年来,随着信息技术的迅猛发展,各种各样的视频信息和人们的生活戚戚相关,视频技术的研究俨然成为一个热门的研究领域。本文重点对视频的底层特征中的彩色特征、运动特征和镜头特征进行了提取技术的研究。在计算彩色特征和运动特征时首先把预告片视频分离成单帧图像,再计算每个预告片中的每帧图像的这两类特征,最后取整个预告片视频的所有帧的均值作为最终需要的特征结果。而镜头特征是根据每个预告片视频的关键帧的位置获得的。