基于最大相关性的小波谐波检测方法

谐波的存在严重影响电网中电能的质量,保证电力系统的安全运行,首先要对谐波进行准确的检测和分析,剖析电网中的谐波成分。傅里叶变换能够分析谐波中稳态成分,却无法分析电力谐波中广泛存在的暂态及突变信号。小波变换的时频分析方法应用于谐波分析当中,弥补了傅里叶变换的这一缺陷。本文通过Matlab仿真,采用最大相关性的方法选取小波基,并用小波变换实现对电力系统中暂态信号的分析,将小波变换与傅里叶变换的分析方法进行比较,验证了基于小波变换的谐波检测方法的有效性。     

正弦图合击-分进方法的线段检测技术

为了提高图像处理中线段的检测精度和速度,提出一种称为“合击-分进(UND)”的精确且快速的线段检测方法．该方法包括频域的频谱合并和Radon空间的正弦图分解两个阶段．在合击阶段,原始图像经过二维并行多层傅里叶变换、直角坐标至极坐标映射、一维傅里叶逆变换等处理后得到它的正弦图;在分进阶段,检测Radon空间正弦图的各个峰值及其邻域内的蝶翼边缘,每一邻域对应图像空间中的一个窗口,并针对每个窗口正弦图的蝶型曲线进行边缘分析,从而得到线段的端点．实验结果表明:UND方法在分割精度上优于SHT、RHT和LSD等经典线段分割方法,检测速度上优于SHT和LSD方法．UND算法不但能提高准确度,还能降低计算成本,增强对噪音干扰的鲁棒性．     

基于多特征融合的高精度视频火焰检测算法

针对目前视频火焰检测算法无法达到高检测率、低误检率的工程应用需要,提出了一种使用Choquet积分进行火焰多特征融合的检测算法。首先通过优化运行期均值法进行背景建模,然后对疑似区域进行边缘分形维数检测、角点形心运动轨迹检测和图像相关性检测,最后对模糊化的特征检测结果计算Choquet积分,并以此判断火焰是否存在。试验表明,本文提出的检测算法高效、快速,具有较好的应用前景。     

一种基于DSP实现火焰检测的方法

在结合传统火焰检测技术和数字图像处理技术的基础上,提出一种利用火焰辐射强度、火焰频率、数字图像火焰温度场计算、火焰频谱分析、火焰色度图像,实现综合判断火焰有无和进行燃烧诊断的方法。该方法实现较为简便,对系统硬件要求低,具有传统火焰检测的稳定性好和数字图像处理火焰检测灵敏度高的优点。     

一种基于视频识别的钱塘江涌潮检测方法

该文介绍了实际应用场景中对钱塘江涌潮的检测方法,通过建立混合高斯模型来构建基于视频识别的涌潮背景模型,然后再利用所得的背景图像与当前视频帧进行相减,得到钱塘江潮水的前景图像,经过平滑去噪处理后,检测出涌潮信息.     

笼型异步电动机转子断条综合在线检测方法

基于快速傅里叶变换（ＦＦＴ）的定子电流信号频谱分析方法,被广泛应用于笼型异步电动机转子断 条故障的在线检测,其中自适应滤波、准确滤波、希尔伯特变换以及起动电流时变频谱分析方法是典型且 成功的。在回顾这些方法的同时,分析了它们的优缺点,并在此基础上,提出了一种转子断条综合在线检 测方法。数字仿真及实测结果表明该方法是正确有效的。     

基于快速傅里叶变换和db小波变换的谐波检测

在电力系统谐波检测中,使用快速傅里叶变换法(FFT)可以得到平稳谐波信号中的频谱,从而可以确定该信号中谐波的频率和幅值等信息.但FFT局限于得到信号的频域信息,很难检测到谐波发生的具体时刻,而小波变换可以捕捉到信号中的细节部分.针对复杂谐波信号,提出了一种将快速傅里叶变换和小波变换相结合的检测方法.由Matlab仿真结果可知,该方法可以检测稳态谐波,确定暂态谐波的突变时刻.     

基于UO-Net模型的火焰检测方法

一般基于深度学习的火焰检测方法识别效率不够理想,主要原因是特征提取网络中参数较多.对此,提出了一种基于UO-Net模型的火焰检测方法.UO-Net模型是在YOLOv3模型基础上建立的一种端到端的深度神经网络模型.该方法采用多卷积核组合结构,减少特征提取网络层的通道数.同时,提出了一种图像分割网络来加快模型的训练速度,并...     

基于GMM与三维LBP纹理的视频火焰检测

针对候选区域提取准确度问题及火焰特征的描述能力,提出一种基于高斯混合模型(Gaussian mixture model, GMM)与三维的局部二值模式(local binary pattern, LBP)纹理特征的火焰检测算法,分析火焰在RGB与HSV两个空间中的分布规律,训练出火焰的高斯混合模型,提取火焰候选区域。重点研究火焰的纹理特征,将LBP纹理与火焰的运动特征相结合形成一种新的三维LBP纹理,提高纹理特征对火焰的分类效果。使用单分类支持向量机(one-class support vector machine, One-class SVM)分类方法,判定候选区域是否为火焰。     

基于k-means聚类和神经网络的超速行为识别研究

交通事故的发生对人们的生命财产安全造成了威胁,而超速驾驶是交通事故发生的一个重要因素。因此,如何准确识别超速行为至关重要。本文提出了一种基于工况识别的超速驾驶行为识别方法,首先利用主成分分析法对数据进行降维,利用k-means算法和高斯混合聚类算法对降维结果进行二次聚类,根据聚类结果训练BP神经网络,用训练好的模型对工况进行实时识别,进而得到不同工况的速度阈值用于超速行为识别。研究结果表明行驶工况的平均识别正确率达95%,将该方法应用于超速行为的识别,可使识别更加准确、科学。     

基于小波变换和人工神经网络的保护模型

采用一种结合小波变换和神经网络原理的模型,来识别电力系统短路故障．用小波变换提取测量信号的特征量,作为多层前向神经网络的输入．对不同的输出要求,采用不同的神经网络,判断出发生故障的相别、性质和位置．实验结果表明,该模型是有效、可行的．     

模糊神经网络在火灾探测系统的应用

本文在单参数火灾探测系统中引入了模糊神经网络算法 ,通过教师信号对网络中权值的训练 ,完成基本状态隶属度函数的自动生成和模糊规则的自动提取 ,大大提高了系统的精度和智能化     

颜色空间变换及其在印刷中的应用

提出一种基于人工神经网络的LAB—CMYK颜色空间变换方法:在原稿三原色(RGB)图像中选取N个像素点,转换到LAB空间,由印刷分版机对原图进行黄(Y)、品红(M)、青(C)、黑(K)4色分版,得到N个像素点对应的黄、品红、青、黑值,建立训练样本集,应用人工神经网络建立LAB—CMYK颜色空间的映射关系。     

压气机特性的高斯变换多层感知器预测方法

使用BP( back propagation)神经网络进行压气机特性预测时,容易出现外插精度低和系统稳定性差的问题.根据压气机特性图中等转速线线形分布特点,提出一种新型的多层感知器神经网络,利用高斯函数对数据样本进行变换,提取特性图中各条等转速线间的相似度关系.分析结果表明,该神经网络在预测精度、网络稳定性和逼近能力等方面优于BP神经网络.利用该神经网络对某型压气机特性进行预测,结果表明该神经网络对于样本数据内插值和外插值预测都有比较理想的精度.     

基于粗集和BP网络的区域产品绿色度评价

基于区域产品的整个生命周期的,讨论区域产品的绿色度评价指标体系设计原则,利用Rough Set理论,进行区域评价产品选择和各指标权重的确定,用人工神经网络的方法对区域产品的绿色程度进行综合评价。     

模糊神经网络技术及其在火灾探测过程中的应用

火灾探测特征模型是一类非线形不良结构动态模型.应用模糊神经网络技术提出了一种能够给出火灾预报概率的智能算法,较好地解决了“提早报警”与“降低误报率”之间的矛盾.仿真研究表明本系统能够准确、迅速地判定火警,有较强的抗干扰性.     

传感器的神经网络建模

针对传感器受温度影响的复杂的非线性输入输出特性,利用人工神经网络的方法,建立了与之相适应的人工神经网络模型,该模型可同时实现温度补偿和非线性校正．     

基于BP神经网络的动态交通流量预测

本文通过对BP神经网络和影响交通流量因素的分析,采用Windrow-Hoff学习算法、Kolmogorov定理和trainlm训练方法,实现对长春市开运街和湖西路路段动态交通流量的预测.     

应用递归人工神经网络预测电力短期负荷

介绍了神经网络的基本原理,使用递归人工神经网络模型对电力短期负荷进行预测,采用了梯度下降法,来提高训练的收敛速度,预测仿真结果表明,使用递归神经网络预测比传统的预测方法更准确.