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.     

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.     

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。     

基于轻型卷积神经网络的火焰检测方法

提出一种基于MobileNet的轻型火焰检测方法,基于深度分离卷积和膨胀卷积的膨胀卷积模块(dilated convolution block, DCB)扩增特征的感受野,加强特征语义信息,提高了视频火焰目标的检测率;优化SSD(Single Shot Multibox Detector)检测框架,提出了一种轻型的检测模型DMSSD(Dilated MobileNet-SSD)。在PASCAL VOC数据集和Bilkent大学VisiFire数据集上进行火焰检测试验,试验结果表明火焰检测的平均精度均值分别提升了1.7%和3.8%,火焰检测速度也可达80帧/s,具有较强的鲁棒性和实用性。     

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。     

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     

基于视频流的目标检测反馈模型

为了增强智能视觉监控系统的实时性,提出了一种反馈模型。首先采用基于混合高斯模型的减背景算法进行运动目标检测;然后采用Kalman滤波算法进行运动目标跟踪;进而提出了一种反馈模型,将跟踪阶段Kalman滤波的状态预测值反馈到检测阶段的减背景操作中来约束目标检测的有效范围。最后将本文方法(采用反馈模型)与一般方法(未采用反馈模型)进行了对比实验,结果表明,本文方法具有良好的目标检测与跟踪效果,在不影响准确性的前提下,显著降低了运算量,增强了系统的实时性,对于智能视觉监控系统的现实应用具有重要意义。     

基于异常值识别的计量小区短期需水量预测

需水量预测是进行水资源调配、节能降耗和降低管网水龄的关键问题。现有需水量预测研究主要对预测模型进行改进,而忽视了对预测准确性至关重要的预处理步骤,如异常值处理,限制了预测模型的精度。为此,建立基于密度的局部离群因子模型(local outlier factor, LOF)对需水量数据中的异常值进行识别及矫正,并将其与一种新兴的高精度、高效率梯度提升树算法(light gradient boosting machine, LightGBM)结合,形成组合需水量预测模型(LOF+LightGBM)。通过实际案例进行模型性能测试,结果表明,相比基于原始数据的预测模型,基于经过LOF模型处理后的需水量数据进行预测的模型均方根误差平均降低10%。LightGBM模型在不同数据集上的绝对平均误差比人工神经网络和支持向量机平均降低了24.7%。整体上,LOF+LightGBM表现最佳预测性能,3个计量小区(district metered area, DMA)的纳什效率系数分别为0.886、0.951、0.942。所有模型训练及预测时间均小于0.7 s。无论是LOF模型、LightGBM模型还是LO...     

一种基于小波的分层和多分辨的镜头边界检测方法

提出一种基于小波的分层和多分辨的镜头边界检测方法．在小波域上结合范数理论直接用小波系数构造相异性函数,并根据突变过渡检测中阈值难以确定的问题及渐变过渡易与运动等影响相混淆的特点,给出了方差比的自动阈值确定方法以及切比雪夫二次搜索策略,有效地克服了闪光和运动等的影响．用实际视频片段所做的仿真结果表明,该方法无论是突变镜头检测还是检测渐变镜头,检测率均高达98%和90%以上．     

堤与坝管涌发生的机理及人工智能预测与评定

分析了管涌发生的过程和影响管涌发生的因素,提出了一种预测判定管涌发生可能性的机理模型.根据机理模型从影响堤防和土石坝管涌发生的诸多复杂因素中选出既便于测量、建立观测又对管涌发生影响显著的几种因素作为系统输入,把理论机理模型和改进的BP人工神经网络模型相结合,建立预测判定堤防和土石坝中管涌发生的人工智能方法,对管涌发生的可能性因子进行了预测.并通过数据库功能,在应用中不断增加训练样本的规模,使神经网络能够学习到更全面的知识.预测结果的精度较高,表明该方法是可行的.     

指数弹性动量卷积神经网络及其在行人检测中的应用

针对深度卷积神经网络存在规则化参数多、未利用浅层先验知识、参数随机初始化后易导致权值更新梯度弥散及训练早熟等问题,采用PCA非监督学习方式获取导向性初始化参数数值方法,并基于对网络误差的传播分析,提出指数自适应弹性动量参数学习方法.以复杂场景下行人目标为例进行目标检测试验,实验表明:与人工特征检测识别方案及传统深度卷积模型相比,该模型可有效提升目标检测精度,检测速度提升20%以上;与其他动量同源更新机制相比,该算法收敛速度更快,收敛曲线更平滑,泛化能力强,可在不同深度模型均可取得较好检测效果,准确率分别平均提高1.6%,1.8%和6.19%.     

基于振动信号测量的连铸下渣检测系统

为了解决当前连铸下渣检测系统成本高、使用寿命短且难于安装维护等问题,提出了一种基于振动信号测量的下渣检测系统实现方法.通过分析连续下渣过程,根据钢水、钢渣因相对密度不同而产生的冲击振动差异判断下渣时间点.结合嵌入式系统技术,搭建了传感器远离钢水的下渣检测实验平台,有效地提高了系统使用寿命.利用自主设计的嵌入式实时数据采集系统进行数据采样与特征信号提取,通过人工神经网络（ANN）技术对经过预处理的实时信号进行训练与识别,进而判断钢水状态,并结合相关控制策略实现连铸下渣的自动控制.实验结果表明,该方法成本低,对现在有设备改造小,使用寿命长,下渣检出率在96％以上.     

入侵检测方法研究

信息安全是系统的安全,常规的安保护措施是保障系统安全的一方面,入侵检测通过分析审计事件,发现系统中未授权活动及异常活动,是信息安全保护的另一重要途径。本文在分析传统入侵方法后,指出了研究分布式入侵检测方法、入侵检测智能方法、综合性入侵监测系统和检测方法评测系统的重要性;并将神经网络技术应用于入侵检测智能方法的设计中。     

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．     

Locating method of fire source for spontaneous combustion of sulfide ores

In order to achieve a more efficient way to accurately detect the position of the fire source of spontaneous combustion underground mine,a simple fire source locating method,based on infrared scanning system which can determine the point where the highest temperature on the surface of igniting ores occurs,was proposed.First,the differential equations that describe heat flow in ore body were presented and the relationship between the surface temperature distribution and the depth and intensity of inner fire ...