基于改进牛顿法的光伏组件5参数模型求解算法

光伏组件5参数模型是一个非线性方程,简化并改进迭代算法,对于提高光伏阵列仿真模型计算速度具有较强的应用意义。而一个快速、精准的光伏阵列仿真模型嵌入到下位机中,对光伏阵列故障检测、故障诊断具有重要作用。实验证明,所提出的基于改进牛顿算法的光伏组件5参数模型求解方法,在1 s钟之内即可仿真出光伏阵列I-V曲线,具有响应速度快、仿真精准度高等优点。     

基于灵敏度分析和GA的模拟电路故障诊断

为了实现模拟电路故障的检测,提出了将灵敏度分析与遗传算法结合的算法。该算法利用灵敏度分析估算元件参数偏移量求解故障元件,并用遗传算法寻求最优解。提出改进的自适应遗传算法,实验结果表明该方法对容差模拟电路的多软故障诊断具有较好的诊断率。     

一种基于二叉树的测控设备故障诊断方法

针对传统故障树知识规则存储和诊断推理算法不易实现的问题,提出了一种基于二叉树的故障诊断方法。首先,通过对故障树与二叉树转换规则与方法的分析,直接构建出测控设备故障二叉树集;然后,利用二叉树节点左右编码值来定位该节点的方法,建立故障诊断规则库;最后,采用遍历诊断规则库的搜索算法实现对故障定位。在测控设备中的应用表明,该方法能够方便地建立诊断规则库,准确定位设备故障,可有效提高设备故障诊断效率。     

基于机器学习的光伏组件故障危害识别研究

针对光伏组件受多种因素引起的热斑故障问题,提出了一种以决策树为基础分类器的集成学习算法——梯度提升决策树（gradient boosting decision tree,GBDT）,对光伏组件故障进行识别。通过提取热斑特征数据,使用提出的算法对光伏组件上的热斑故障进行识别,并对其危害进行详细划分。基于获取的热斑故障危害信息,利用提出的算法对故障光伏组件的危害程度进行准确识别,实现了对光伏组件故障危害等级的判定。实验表明,与K近邻（k-nearest neighbors,KNN）算法和支持向量机（support vector machines,SVM）算法相比,GBDT算法在正确率、召回率等指标上能取得较优的效果,说明该算法在光伏组件故障危害识别中具有较强的鲁棒性和泛化能力。     

TGBA优化核极限学习机的光伏阵列故障诊断

针对核极限学习机(Kernel Extreme Learning Machine,KELM)用于光伏阵列故障诊断时准确率不高的不足,提出了 一种基于 TGBA(Tent Mapping and Gaussian Perturbation Strategy Optimize Bat Algorithm)算法优化核极限学习机的光伏阵列故障诊断方法(TGBA-KELM).首先,建立光伏阵列故障仿真模型,提取光伏阵列故障特征参数;其次,引入Tent映射和高斯扰动策略对蝙蝠算法(Bat Algorithm,BA)进行改进,增加种群多样性,提高了算法的收敛速度和全局寻优能力;再次,利用改进后的蝙蝠算法优化KELM的正则化系数和核函数参数,建立最优的故障诊断模型;最后,采用光伏阵列硬件实验平台收集的故障数据验证了 TGBA-KELM算法的准确性和有效性,并与 ELM(Extreme Learning Machine,ELM)、KELM、BA-KELM、TGBA-ELM、BP(back prop-agation)算法对比,实验结果表明,TGBA-KELM具有更高的故障诊断准确率,可用于光伏阵列故障诊断.     

基于改进剪切波和Canny的故障区域检测算法研究

针对机械故障红外热图像存在各种噪声造成故障区域测量参数提取精度低的问题,本文提出了基于改进剪切波和Canny的故障区域检测算法。该算法包括基于改进剪切波的去噪算法和改进Canny算子的边缘检测算法,在去噪中本文提出的是一种基于剪切波和高阶谱相结合的新算法,可以有效地去除高斯噪声与椒盐噪声的混合噪声并保留图像细节;在图像的边缘检测中本文利用剪切波与Canny算子相结合的改进新算法对红外故障图像进行边缘提取,从而消除了传统的Canny算子在检测时出现的伪边缘现象。实验仿真结果表明本文提出的去噪算法与传统的去噪算法相比显著提高了图像的峰值信噪比(PSNR),同时图像的边缘和细节也得到了很好的保留,实现了故障区域特征参数的精确有效提取。     

基于遗传算法的干涉图像的最佳熵研究

将遗传算法用于计算云纹干涉图像的二值化阈值，提出基于改进遗传算法的图像分割方法，采用Otsu公式，找出分割图像最优阈值。通过算法实现表明，利用遗传算法所得到的最佳阈值进行二值化处理，效果非常好。     

基于Otsu算法与直方图分析的自适应Canny算法的改进

Canny算子在边缘检测领域被广泛应用,但传统的Canny算子需要人为设定梯度阈值和合适的高斯标准差,因此自动化程度不高。为解决Canny算子的自适应性,发展了包括Otsu算法在内的自适应算法。但传统的Otsu算法存在定位精度不高,易受高斯滤波标准差影响等问题。在Otsu算法的基础上,通过对高斯滤波后梯度图像的分析与研究,对最大类间方差进行改进,从而提高自适应算法的稳定性。将改进后的类间方差与类内方差的比值作为阈值选取的评价标准,从而有效提高了自适应算法的定位精度。仿真表明,所提出的改进算法能有效提高Canny算法的定位精度和鲁棒性。     

基于神经网络与证据理论的模拟电路故障诊断

论述了利用多类电量测试信息、应用神经网络与D-S证据理论实现模拟电路故障诊断的基本原理,提出了一种基于可测点电压与不同测试频率下的电路增益经决策层信息融合的故障诊断新方法.分别利用此两类测试信息,各用一个独立的改进BP网络对电路进行初步诊断,再运用所提融合诊断算法实现故障定位.模拟实验结果表明:所提方法对硬故障与元件参数偏移较小的软故障均适用,故障定位准确率高.     

基于贝叶斯网络的雷达故障远程诊断系统研究

为了提高高密度航天发射任务条件下的雷达维修能力,缩短维修时间,研究了一种基于贝叶斯网络的雷达故障远程诊断系统。设计了该故障诊断系统的硬件总体结构和软件功能架构,介绍了雷达故障数据的采集和加密传输过程。利用贝叶斯网络建立雷达故障模型,并通过期望最大算法确定了故障模型的参数;采用联合树算法,实现故障定位推理。故障诊断实例表明:与传统的故障诊断方法相比,基于贝叶斯网络的故障诊断方法能够有效识别雷达的故障类型,具有故障定位准确、运行时间短等优点。     

基于WSN的光伏电池组件故障定位研究

光伏电站是由一系列光伏电池组件通过串并联而组成的,不管是小型分布式电站还是具有一定规模的较大型光伏电站,光伏电池组件在运行过程中部分组件难免会出现一些故障,这些出现故障的组件在什么位置是运行管理员十分关注的问题,也是希望得到解决的问题。针对此问题,该文提出了一种基于WSN的光伏电池组件故障静态定位法。该方法是利用安装在光伏电池组件中的信号采集节点RFD采集光伏组件的电压、电流和温度值,同时定义该光伏电池组件的地址和方位,将这些数据传至管理软件,通过数据处理后显示出该光伏电池组件工作状态和位置,当组件出现故障时,立刻就能在屏幕上显示出来。实验结果表明该方法查找故障光伏电池组件位置快速有效。     

基于改进ALIF与FA-BP的滚动轴承故障诊断

针对滚动轴承的故障信号存在大量噪声信号和滚动轴承故障的准确诊断等问题，提出一种基于改进自适应迭代滤波算法与萤火虫算法优化BP神经网络相结合的故障诊断新方法。首先采用自适应迭代滤波算法对故障信号进行分解得到若干个内禀模态函数，再进行奇异值分解，绘制差分谱曲线并选择重构信号，对其进行二次降噪；然后通过萤火虫算法寻找BP神经网络的最佳参数，建立FA-BP故障诊断模型，提取降噪后的内禀模态函数中心频率形成特征矩阵，输入故障诊断模型；最后应用于美国凯斯西储大学的轴承数据进行检测，准确率达99.4%，诊断时间为3.18 s。该方法与BP神经网络、萤火虫算法网络、遗传算法网络、遗传算法优化BP神经网络的诊断模型相比，大大提高了诊断效率并具有较高准确率。     

改进的Otsu算法及在运动目标检测中的应用研究

针对Otsu自适应阈值分割算法中阈值搜索精准度较低、效率不高的问题,本文结合视频图像序列的帧间相关性,利用遗传算法的全局寻优优势,及模拟退火算法较好的爬山性能,提出一种改进的Otsu算法,并与三帧差分法相结合应用于视频运动目标检测。实验证明,该算法相对Otsu算法和对比算法减少阈值分割中的寻优尝试次数,使最优阈值的选取更精确,并提高了目标检测效果。     

基于遗传模拟退火算法的Otsu图像分割研究

针对目前基本遗传算法在优化图像分割算法中存在的易于早熟、陷入局部最优的不足,以最大类间方差函数为适应度函数,提出了一种基于改进遗传算法的图像阈值分割算法.对交叉、变异算子进行自适应改进,同时将模拟退火算法融入到遗传算法中,使得对个体的评价更合理,既能克服种群退化现象,又改善算法的全局搜索能力,避免遗传算法陷入局部最优.实验结果显示,与Otsu图像分割法以及基于遗传算法的图像分割方法相比,使用该方法得出的阈值范围更加稳定,执行效率更高,在图像分割中获得的分割效果更佳.     

激光测距仪镜头感光元件的快速识别与定位算法研究

在激光测距仪镜头组件的自动化装配中,快速、精准识别感光元件雪崩光电二极管(APD)的定位坐标,对于完成镜头焦点的精确对位以及提高图像处理效率至关重要.针对APD 的图像识别与定位过程,本文提出一套基于机器视觉的高效、高精度的图像处理算法.首先在粗定位图像处理阶段中,为提高运算效率,利用抗干扰性强的高斯金字塔搜索归一化互相关匹配(NCC)算法,对图像中的APD 进行粗定位.在边缘检测中,采用Otsu 算法自适应地根据梯度图像变化生成高低阈值,避免了传统Canny 算法的手动设置高低阈值的难题.在目标轮廓提取阶段采用连通域标记法,过滤掉孤立的像素点和非目标区域像素点,保证了下一步的轮廓拟合精度.在最后的轮廓拟合精定位阶段中,通过对两种拟合算法比较过程中,确定最小二乘法圆拟合亚像素定位算法进行APD 轮廓拟合,可以保证效率和定位精度,实验结果表明整个图像处理系统用时596 ms、定位精度0.4 pixel,相对误差为0.64％,实现了APD 图像快速、精准定位的过程,提高了定位精度和效率.     

BP神经网络在光伏发电系统故障诊断中的应用

介绍了并网光伏发电系统的故障诊断模式和故障原因,以及BP神经网络的结构与学习算法。针对太阳能并网光伏发电系统工作过程中可能出现的故障,提出了一种基于BP神经网络的故障诊断方法。测试结果表明了该方法的有效性和可能性,达到了预期的结果,可以用于并网光伏发电系统的故障诊断。     

电站中光伏组件的人工智能热红外检测技术进展

基于温度红外图像的光伏组件缺陷检测是实现光伏电站规模化组件质量检测的重要技术。文章简要介绍了光伏组件热斑产生的原因和危害,重点从热斑检测、热斑定位和提取三个方面总结和对比了光伏组件红外图像及视频的人工神经网络模型及其性能。其中改进的YOLOv5模型对光伏组件的热斑检出精度达到了98.8%,Lucas-Kanade稀疏光流跟踪算法的热斑定位精度达到97.5%。简单讨论了适应大规模光伏电站运维需求的热斑检测技术的发展趋势。     

虹膜定位算法研究

在介绍现有虹膜识别算法的基础上,针对其局限性,提出一种改进的虹膜定位算法,实现了精确而快速的定位.在该算法中,通过阈值化和Freeman链码进行内边界定位;Canny算子和圆形Hough变换被用于外边界定位;上下眼皮的去除利用Canny算子和线性Hough变换实现,睫毛和镜面反射通过阈值化的方法加以去除.实验验证了该算法的合理性和有效性.     

模拟数字电路故障诊断新方法

利用小波变换与神经网络相结合的方法,采用能量分布特征提取方法和改进BP算法,给出了一种基于小波变换和BP神经网络相结合的模拟电路故障诊断方法.用正弦信号仿真模拟电路,应用小波变换对模拟电路的采样信号进行多尺度分解,再进行能量分布特征提取,然后利用神经网络对各种状态下的特征向量进行分类识别,实现模拟电路故障诊断.在用神经网络诊断模拟电路的基础上,进行了将神经网络用于数字电路单故障诊断的研究.对两者的实例电路仿真结果表明,神经网络可以有效、方便地实现电路的故障检测和定位,准确率高,为故障诊断的研究提供了一种新思路.     

红外图像的人像边缘检测技术研究

文章使用改进的Canny算子检测红外图像中人像边缘,使用最大类间方差法(Otsu)自 适应地调节Canny算子中的域值,并对得到的边缘图像进行闭运算,最后使用VC + +实现了算法,得到了较理想的实验结果.