涡轮风力发电机组监控系统

介绍涡轮风力发电机监控系统的总体方案及系统任务,阐述现地控制单元、中心监控单元的设计以及单元结构组成,并说明主控制器分别与智能电力测控仪和中心监控单元的通信方式及传输结构。     

基于多尺度优化和动态特征融合的图像去模糊研究

目前采用U-Net结构的去模糊算法存在细节损失、图像质量欠佳等问题,因此对U-Net进行改进,提出一种基于多尺度优化和动态特征融合的图像去模糊方法。首先针对细节损失,提出一种精简且有效的多尺度残差注意力模块(Multi-Scale Residual Module, MSRM),通过增加特征尺度多样性来提取更精细的图像特征。此外,为了将更有利的特征传递到解码部分,在跳跃连接处设计动态特征融合模块(Dynamic Feature Fusion Module, DFFM),采用注意力加权的方式选择性融合不同阶段的编码特征。该算法采用多尺度内容损失和多尺度高频信息损失进行约束训练。在GoPro和RealBlur数据集上的实验结果表明,这种方法能有效改善图像质量,复原更丰富的细节信息。与现有去模糊算法相比,本文算法在主观视觉和客观评价等方面均具有一定优势。     

提高局部信噪比的单帧红外图像非均匀性校正方法

针对红外图像存在的非均匀性问题,从理论上对非均匀性产生的原因进行了分析。对基于SG滤波预处理的无模型图像校正EM算法进行改进,提出了一种提高局部信噪比的单帧图像校正方法。设计了对比实验,在红外目标、暗弱目标和云层背景场景下,该方法能使红外图像的非均匀性(NU)分别降低56.869 3%,85.938 4%和87.886 3%,同时,LSNR分别提高了3.687 7 dB,0.256 9 dB和3.553 1 dB。最后在非均匀背景上叠加高斯分布的目标进行模拟,探讨了目标大小与滤波窗口的关系,得到了滤波窗口与红外小目标的近似关系为H≈4.6*S_T+0.3,从实际工程应用上确定了该方法滤波窗口初值的选取。结果表明,所提方法能在LSNR最大的前提下,利用单帧红外图像的场景信息对非均匀性进行有效校正。     

固态锂硫电池电解质及其界面问题研究进展

固态锂硫(Li-S)电池通过固态电解质代替传统液态电解液体系,有望同时解决液态Li-S电池多硫化物的穿梭效应、锂金属与液态电解液的副反应、安全性能差等关键科学问题,发挥其高稳定性、高能量密度的优势.然而,固态Li-S电池在固态电解质和电极/电解质界面问题上面临着巨大挑战,本文详细介绍了硫化物固态电解质和聚合物基体电解质在Li-S电池中的研究进展,并重点分析了电极/电解质固-固界面接触问题.针对硫化物固态电解质存在的本征缺陷,阐述了改善固态电解质化学及电化学稳定性的方法;针对有机聚合物电解质,总结分析了影响其离子电导率的关键因素及提升方法.在电极/电解质界面问题方面,揭露了影响界面离子传输及界面稳定性的本征特性,并总结了近年来报道的针对正(负)极/电解质界面离子传输低的改进方法.最后指出要有针对性的解决不同种类电解质的本征缺陷,并结合科学模拟深入研究界面传输机制,在实践中对电极/电解质界面结构的合理设计,对固态Li-S电池的实用化具有重要意义.     

基于深度学习和相关滤波的飞机跟踪方法

针对飞行员的飞行训练任务进行了飞机的稳定跟踪。为了解决远距离下飞机目标小、天气环境复杂、飞鸟干扰等问题,提出了一种基于深度学习和相关滤波的飞机跟踪测量方法。首先选取骨干网络并建立深度学习的算法模型,接着利用大量飞机图像得到用于实际场景的参考模型,再将模型检测到的特征与相关滤波结合,从而达到飞机的稳定跟踪效果并生成目标脱靶量。然后根据跟踪和脱靶量信息,开启激光器并利用激光测距原理来测量飞机的实时距离。最后进行基于光电经纬仪的飞机捕获与跟踪实验,以验证模型和算法的有效性和可行性。实验结果表明,通过深度学习和相关滤波获得的目标信息可以用于远距离飞机的捕获与跟踪,成功地消除了复杂环境和飞鸟的干扰,实现了飞机的稳定跟踪。