基于经验模态分解的电力系统机电振荡模式识别方法研究

当前机电振荡模式识别多采用粒子滤波算法,此方法易受到信号高频成分波动影响,导致识别准确性较低。为此,提出了基于经验模态分解的电力系统机电振荡模式识别方法。该方法对原始振荡信号进行去噪处理,还原真实信号,采用经验模态分解算法分解信号,并提取振荡参数,通过设计阈值门限准则,抑制高频波动,以此为依据,计算求取不同振荡模式下的状态参数,由此实现机电振荡模式的识别。对比实验结果表明,在电力系统机电振荡模式识别中,该方法具有更高的识别准确性。     

基于心电和脑电多模态特征组合的自动睡眠分期方法研究

准确的睡眠分期能够评估睡眠质量,在睡眠紊乱或疾病诊断干预中起关键作用。本文利用多尺度熵分析和经验模态分解方法获取多通道脑电信号于睡眠状态下的非线性动力学特征,利用心率变异度时频域指标及多尺度样本熵构建了心电信号睡眠特征。基于最大相关-最小冗余特征选择算法及主成分分析降维,实现了高效多模态特征组合构建。多模态特征组合驱动的多种传统机器学习自动睡眠分期模型在ISRUC-S3数据集上达到了最高84.05%准确率,Kappa系数最高为0.7810,表明所提出多模态特征组合的有效性及准确性。     

基于人工智能特征融合的多模态在抑郁症识别中的应用

抑郁症是一种常见的精神障碍疾病,早期的检测和诊断对抑郁症预防和治疗至关重要。人工智能已经参与抑郁症早期识别与干预,本文从CNKI和Google Scholar中分别以关键词“人工智能”“文本特征”“面部特征”“语音特征”“脑核磁特征”和“多模态”进行文献检索,再结合主题筛选精读并使用追溯法获得相关有代表性文献,综述“文本特征”、“语音特征”“面部特征”“脑核磁特征”和“多模态”等技术在抑郁症识别与诊断中的应用,并讨论其优势、不足与展望。     

结合WAMS的低频振荡模式信息在线检测算法研究

电力系统低频振荡问题是影响互联电网运行稳定性的难点问题.针对目前广域测量系统(WAMS)提供的电气参量实时测量数据,提出一种在线检测低频振荡模式信息的算法.该算法基于经验模态分解(EMD)方法,通过瞬时Hilbert谱分析方法辨识振荡模式特征参数.通过改进端点延拓方案和设定能量微差控制因子,减少信号分解中的非平稳特性损失;提出自适应滑动窗口技术和改进频率外差方法解决了模态混叠问题,提高了算法分析的精度和可信度.最后通过测试算例和WAMS实时算例验证了该算法检测低频振荡具备较高的精度和有效性,结合WAMS在线应用具备较高的可行性.     

基于经验模式分解和互信息的多模态图像配准

基于互信息的配准方法是目前多模态图像配准研究中的热点.提出了一种基于经验模式分解后剩余图像和互信息的多模态图像配准方法.首先通过理论分析得出通过求解剩余图像之间的变换参数即可获得原始图像之间的变换参数,从而论证了二维经验模式分解(BEMD)应用于多模态图像配准的可行性,然后给出了图像配准方法的实现步骤.典型多模态图像配准实验结果表明此方法与传统互信息法和基于小波分解结合互信息的方法相比,旋转角度估计误差可以降低1个数量级,缩放参数的估计误差也有很大降低.表明该方法获得了更高的配准精度.     

人脸人耳多模态生物特征模板保护方法研究

鉴于人脸和人耳在生理位置上的特殊关系,本文将两者进行特征层串联融合,提出了一种多模态生物特征模板保护方法.该方法包括3个步骤:第一步采用随机映射矩阵对特征提取后的特征向量做可撤销变换,得到可撤销模板;第二步采用类分布保留变换对可撤销模板进行非线性变换,将实值人脸入耳融合特征模板转换成二值模板;第三步采用模糊承诺方法对二值模板进行保护.针对传统模糊承诺方法对随机密钥未加保护的安全性缺陷,提出了基于ASE算法的改进模糊承诺方法.在两个人脸人耳多模态图像库上的实验结果表明,采用多模态生物特征模板保护比采用人脸单模态模板保护能取得更好的认证性能.     

新能源发电技术在电力系统中的应用浅谈

为积极构建新型电力系统,需大力引入新能源发电,但受其资源自身特性影响,以风光发电为主导的新能源,不仅面临波动性、间歇性、难调度等问题,而且发电效率及经济性也有待提升。为拓宽新能源发展空间,不仅要着重研发新能源发电技术,更需开发并网调度、储能等配套技术,促进新能源产业降本降耗,实现能源生产清洁化,帮助电网最大限度接纳新能源。本文重点分析风力、光伏发电及储能技术,指出新能源发电技术难点,并提出相应发展建议,以期对新能源发展有所帮助。     

电力系统同步振荡与短路故障研究

概述了电力系统振荡时电流和电压的分布情况,介绍了同步振荡与短路故障的区别,指出了系统振荡对继电保护装置的影响,并据此提出多种有效措施来防止继电保护的不正确动作。     

高真空烧结炉多模态控制研究

针对高真空烧结炉传统的升温方式以及生产工艺要求,烧结炉升温速度要以真空度状态高低为条件而调节快慢,本研究以工业控制计算机为核心,采用嵌套真空度模糊条件于温度主控回路,温度控制采用PID和Fuzzy双模切换模糊控制算法,将高真空烧结炉原有升温系统由手动调节改为微机自动化检测与控制系统.经实际应用,该系统运行平稳可靠,明显提高了产品的质量稳定性,缩短了生产周期,降低了操作人员的工作难度和强度.     

多模态流动成像技术研究进展

流动成像技术采用空间敏感阵列,以非接触或非侵入方式对被测对象进行检测,可实时提供封闭管道、容器等过程设备内物场的二维/三维分布和运动状态信息,是实现流动过程可视化测量的核心技术。多模态流动成像通过融合不同敏感模态的检测信息实现多相、多组分流动过程的可视化监测以及过程参数的准确提取。分别介绍了电学、超声与射线单模态流动成像基本原理;总结了已有的多模态流动成像系统及其构成,以及适用于多模态流动图像重建的融合算法;讨论了在不同流动对象与工况条件下的多模态选择与系统设计原则。在此基础上,对多模态流动成像发展中的关键技术与科学问题进行了展望。     

基于22MN快锻液压机多模态控制策略研究

22 MN快锻压机液压系统是高压大流量的大功率系统,具有负载干扰大、运动惯量大、系统冲击大等特点,为抑制这些负面影响,提高控制精度并改善系统的静动态特性,针对22 MN快锻液压机的工作特性,建立其数学模型,设计了多模态控制器,用MATLAB/Simulink软件进行仿真.结果表明,与单纯PID控制器相比,多模态控制更好地抑制了外负载干扰,使系统动态性能得到了大幅度提高.     

高速列车座椅主动悬架的多模态控制研究

建立了基于主动悬架的高速列车悬架-座椅-人体的四自由度动力学模型,并对该列车模型稳定性的优化控制进行了研究。针对该座椅主动悬架模型设计了模糊控制器和复合P-模糊-PID的多模态控制器,应用Matlab/Simulink软件在相同的工况下进行仿真实验,并将两种控制方法下的仿真结果与被动悬架车辆模型的仿真结果进行对比分析。结果表明,相较于被动悬架车辆模型,上述两种控制方法下的主动模型座椅处的振动特性均得到了改善,达到了预期的控制效果,且多模态控制下的改善程度最佳;对高速列车乘坐舒适性的提高有着一定的理论参考意义。     

多模态特征融合与多任务学习的特种视频分类

特种视频(本文特指暴力视频)的智能分类技术有助于实现网络信息内容安全的智能监控。针对现有特种视频多模态特征融合时未考虑语义一致性等问题,本文提出了一种基于音视频多模态特征融合与多任务学习的特种视频识别方法。首先,提取特种视频的表观信息和运动信息随时空变化的视觉语义特征及音频信息语义特征;然后,构建具有语义保持的共享特征子空间,以实现音视频多种模态特征的融合;最后,提出基于音视频特征的语义一致性度量和特种视频分类的多任务学习特种视频分类理论框架,设计了对应的损失函数,实现了端到端的特种视频智能识别。实验结果表明,本文提出的算法在Violent Flow和MediaEval VSD 2015两个数据集上平均精度分别为97.97%和39.76%,优于已有研究。结果证明了该算法的有效性,有助于提升特种视频监控的智能化水平。     

经验模态分解滤波器组特性及轴承异音识别

利用经验模态分解滤波器组特性可调整性,结合短时傅里叶变换(STFT)技术识别轴承异音。在研究高斯随机噪声经验模态分解(EMD)的基础上,运用数值方法证实EMD滤波器组特性随判别参数SD改变,指出类似于二进制小波滤波器组特性只是一种特殊条件下的分解现象。根据轴承振动加速度的广谱性质,利用参数SD对EMD滤波器组特性可调性,对滚动轴承振动加速度信号按异音测量要求进行EMD自动频段分解。对前3阶本征模态进行STFT变换,用三维图刻画轴承振动的幅值大小、频率大小、周期和随机分布冲击特性,设定阈值,在时频域上刻画轴承的异音。该方法揭示了轴承异音分布模式,能通过异音识别控制轴承加工质量。     

基于结构功能交叉神经网络的多模态医学图像融合

针对多模态医学图像融合中存在纹理细节模糊和对比度低的问题,提出了一种结构功能交叉神经网络的多模态医学图像融合方法。首先,根据医学图像的结构信息和功能信息设计了结构功能交叉神经网络模型,不仅有效地提取解剖学和功能学医学图像的结构信息和功能信息,而且能够实现这两种信息之间的交互,从而很好地提取医学图像的纹理细节信息。其次,利用交叉网络通道和空间特征变化构造了一种新的注意力机制,通过不断调整结构信息和功能信息权重来融合图像,提高了融合图像的对比度和轮廓信息。最后,设计了一个从融合图像到源图像的分解过程,由于分解图像的质量直接取决于融合结果,因此分解过程可以使融合图像包含更多的细节信息。通过与近年来提出的7种高水平方法相比,本文方法的AG,EN,SF,MI,Q^AB/F和CC客观评价指标分别平均提高了22.87%,19.64%,23.02%,12.70%,6.79%,30.35%,说明本文方法能够获得纹理细节更清晰、对比度更好的融合结果,在主观视觉和客观指标上都优于其他对比算法。     

基于EMD与峭度滤波的煤岩界面识别

煤岩界面识别问题一直是制约放煤自动化发展的一项关键问题,液压支架尾梁振动信号分析法是近年来发展较快的一种有效方法。该方法中煤和矸石信号在频域内存在差异是非常有用的信息,但因系统低频干扰较多且两种信号差异微弱,无法直接提取使用。通过对振动信号使用经验模态分解(empirical mode decomposition,简称EMD)得到多个固有模态分量(intrinsic mode function,简称IMF);以峭度为准则,选取煤和矸石差异最大的通道对信号重新合成;使用Hilbert边际谱分析煤、矸石的频域范围,以矸石频域特征区域求取带通滤波最优截止频率;对合成后的信号进行滤波。实验结果表明,该方法能够减少信号低频干扰、突出较高频成分,使煤与系统干扰的低频信号视为常态被屏蔽,而混入煤中的矸石较高频信号能够被及时识别,实现了煤岩界面识别的目的。     

多模态控制策略的平稳过渡及其应用研究

以具有大进给力的纳米级驱动部件为被控对象,在分析不同模态过渡过程的基础上,指出极点差异是导致多模态难以实现平稳切换的关键因素之一。采用状态反馈矩阵和增益补偿环节来改造被控对象,采用零极点相消方法建立广义的一阶模型,解决了多模态的平稳过渡问题。应用提出的多模态平稳过渡策略,对具有大进给力的纳米级驱动部件进行控制,在5kN的大进给力下,进给精度达到了10nm,模态过渡调整时间小于1min,充分证明了该方法的实用性和可行性。     

面向竞技训练的下肢外骨骼多模态交互系统研究

目前关注辅助下肢提升身体素质训练的可穿戴设备研究存在缺失,而外骨骼与虚拟现实的协同研究是近几年的新兴方向,多模态信息融合的外骨骼系统能有效优化训练效果和训练体验。因此,开发了一套面向竞技训练的下肢外骨骼多模态交互系统,不仅提供了丰富多样且标准规范的辅助训练,并且实现了多感官的沉浸体验。首先,设计一种多自由度分步动作规划方法,基于下肢运动动作点实现训练动作的复现。其次,提出下肢外骨骼多模态交互系统,通过虚拟现实竞技训练模拟器实现信息空间中规范动作的呈现与指示,构建动作数据集和下肢外骨骼机器人实现物理空间中基础训练的辅助与矫正。系统基于多模态交互执行策略,实时给予训练者视觉、听觉、触觉的多感官反馈,实现符合安全规范的沉浸体验。最后,通过系统功能与用户体验两项实验进行系统验证。功能性实验证明,与原有传统训练相比,该系统平均可提升动作准确率27.62%,且具有一定通用性。用户体验的实验结果表明,该系统功能符合设计预期,舒适性相对其他指标有待提高。     

滚动轴承故障程度识别与诊断研究

通过滚动轴承模拟故障试验台,获取了滚动轴承外圈、内圈和滚动体不同剥落程度时的振动信号,并对故障程度的识别与诊断进行了探索.采用经验模态分解方法对轴承信号进行分解,得到其固有模态分量,然后将前8阶分量的有效值作为特征向量输入BP神经网络,进行故障程度识别与诊断,滚动轴承3种类型不同程度的故障被准确地区分出来.     

穿戴式钢琴弹奏手套智能感知与手势识别技术

钢琴弹奏手套是一种新兴的智能可穿戴式设备,通过手套中的多惯性传感器对钢琴弹奏者的手势状态进行实时感知和分析,可以让钢琴学习者实时了解弹奏手势是否规范,从而有效提高钢琴学习效率和兴趣,并降低学习成本。区别于其他应用领域中的手势,钢琴弹奏手势具有多样性、快速性、大动态以及强时变的特点,设计了一套基于惯性数据手套与红外检测杆的钢琴弹奏手势识别系统,并提出一种基于机器学习的钢琴弹奏手势识别方法,以惯性数据手套与红外检测杆的输出作为数据样本,针对钢琴弹奏手势特性,进行多模态手势特征的提取并采用分层识别算法改善识别效果。实验表明,所提出的方法能够较好的适应钢琴弹奏手势识别需求,识别准确率达到99%以上。