光储系统储能电站的经济优化调度策略

光储联合发电系统中储能电站各电池组功率的分配,可直接影响其调度成本。针对传统等比例功率分配调度方案的不足,以一天内总调度成本最低为优化目标,搭建了考虑调度功率平衡、电池组荷电状态、功率和增量限值的调度成本模型,并利用基于杂交(遗传算法)的粒子群算法寻求最优分配方案。算例仿真结果证实,所提出的基于杂交的PSO算法较之传统算法,具有明显的优越性,避免了电池组的过充或过放现象,延长了储能电站的运行寿命和降低了电站的调度成本。     

应用变焦曲线校正电动变焦镜头的电机原点

为了保证电动变焦数字监控摄像机的变焦步进电机和调焦步进电机的调节范围在厂家设计的可聚焦范围内,设计了一种基于变焦曲线的变焦电机和调焦电机的原点位置校正方法。首先,从镜头厂家提供的镜头变焦曲线中选定一条作为标准曲线。接着,利用自动调焦方法采集标准曲线对应距离下的实际变焦曲线。然后,计算标准变焦曲线的最高点和实际变焦曲线的最高点的偏移量。最后,在该偏移量附近的一个小范围内按照平方差最小的原则求出最佳偏移量即为原点位置的补偿值。在30倍光学变焦数字高清摄像机中实现了该方法,实验结果表明:48台采用本文方法成功校正的镜头在设计调节范围内均没有出现电机堵转和无法聚焦的现象,校正成功率96%,很好地解决了由于原点位置误差造成的问题。     

基于小波变换和极限学习机的电能质量扰动分类

利用小波变换(WT)和极值学习机(ELM)对电能质量事件(PQE)进行识别分类,利用离散小波变换(DWT)对信号进行多分辨率分析,获得PQ信号的特征能量系数,并在25、35、45dB噪声环境下,构造了3种PQ数据集。ELM是一种有效的广义单隐层前馈网络(SLFNs)学习算法,可用于识别各种多分类问题。对比试验与现有方法结果,证明基于小波变换的极限学习机能对8种扰动进行有效分类,具有鲁棒性强的识别结构,可用于实际电力系统信号分类。     

数控车床仿真中工件自适应离散建模方法

数控车床仿真加工过程中,工件的动态建模方法一般为离散法,这类方法可以适应较复杂的零件表面,但是其计算复杂度较高,图形渲染速度受到极大影响。提出一种自适应离散建模方法,该方法根据加工过程中的刀具指令自动调整离散方案和离散精度,从而降低计算复杂度。使用OpenGL编程验证了该方法的有效性。     

数控车床虚拟加工的仿真技术与实现

利用计算机图形学和虚拟现实技术对数控车床的加工过程进行模拟,可以节约成本、避免制造风险,开展数控技术培训.在详细介绍数控车床仿真系统基本组成的基础上,着重研究了基于圆台离散的工件建模方法和实时仿真显示技术,并使用OpenGL和VC 编程实现了数控车床的虚拟加工仿真过程.     

永磁同步电机矢量控制仿真分析

永磁同步电机因其体积小、效率和功率因数高等优点被广泛应用于工业系统中,精确的控制系统是永磁同步电机得以广泛应用的关键所在,在对永磁同步电机矢量控制理论分析的基础上,结合经典的PID控制方法,搭建基于MATLAB/Simulink模块的永磁同步电机矢量控制系统仿真模型,采用转速、电流双闭环控制方法,电流环采用PI控制,速度环采用ST函数,通过对仿真结果分析,验证了永磁同步电机矢量控制系统性能的优越性。     

图像多尺度秩和统计间隙的模糊边缘检测模型

基于“Gap统计”理论思想，在概念“Wilcoxon秩和统计量”基础上提出了顺序秩和统计量、顺序秩和间隙以及边缘隶属度的概念，以相对半邻域之间图像灰度分布的顺序秩和差别为依据，建立了基于顺序秩和统计间隙的多尺度图像模糊边缘检测模型，分析了模型与Prewitt算子的关系．通过图像的边缘检测实例对模型进行了验证，比较了不同尺度下边缘检测的差别，验证并分析了噪声对边缘影响依尺度的关系．该模型具有多尺度、区域内部抗噪能力与尺度有关、噪声弱化弱边缘以及边缘具有隶属度、图像的边缘检测结果与尺度有关等特点，反映了边缘与纹理依尺度的关系．     

一种多幅单视角图像的双投影柱面全景图生成算法

提出一种多幅单视角图像的双投影柱面全景图生成算法.首先对多幅单视角图像进行正投影,形成一幅空间柱面形状的立体图像;其次对图像重叠部分的对应特征区域进行匹配和接合来实现图像无缝拼接;最后把得到的空间柱面立体图像在圆柱体侧面的任意一个切平面上反投影展开,即可生成一幅360度柱面全景图.实验表明,该算法运算量较小,能快速、有效的生成柱面全景图.     

一种基于向量空间模型的主观题批改算法

文字类主观题的自动批改是在线考试系统的一个关键技术。本文在研究主观题自动批改技术现状的基础上,提出了一种基于向量空间模型的短语级句子相似度计算方法,并基于该计算方法设计了一种主观题自动批改算法,经验证,实验结果基本达到预期目标。     

基于SVM预分类学习的图像超分辨率重建算法

针对一般基于范例学习超分辨率重建算法的图像块误匹配和运算复杂度高等问题,提出了一种基于支持向量机预分类学习的算法。通过在匹配搜索前使用SVM筛选出与重建目标图像颜色特征相似的样本子库,保证了精确匹配搜索过程中样本块与输入低分辨率图像块内容之间的相关性,大大减少了误匹配现象,从而提高了图像重建质量。实验结果表明,算法的重建效果优于基于范例学习的算法,并在保证重建精度的前提下有效提高了算法运行速度。