平行缝焊接方式研究

介绍了平行缝焊的作用与工作原理,阐述了平行缝焊的3种焊接方式。     

计及供电可靠性的配电网节点电价计算方法

节点电价提供的价格信号能够有效引导电网建设和用户的消费行为。文中基于长期增量成本法,提出了计及供电可靠性的配电网节点电价计算方法。该方法综合考虑了用户对供电可靠性的要求以及负荷增长对区域供电可靠性的影响两个方面。根据用户的不同需求进行差别定价,并对区域不同可靠性水平的电价进行加权平均,得到一个差别定价与区域平均电价相结合的配电网节点电价定价体系。RBTS-BUS 6系统算例分析表明,该方法既保证了用户特殊需求,提供的电价信息也有利于电网建设运行维护方案的制订,且更具操作性。     

非计划孤岛下的微电网供电可靠性评估

微电网作为一种新型配电网结构,其最大的特点就在于可以在并网运行与离网运行之间灵活切换。这一特点使得微电网用户可以获得更高质量的电能供应,并且在地震、雪灾、大电网崩溃等极端条件下保证重要负荷的电力供应。文中应用故障树图法建立微电网离网运行模式下的可靠性模型,并用蒙特卡洛模拟法计算固定时间内微电网离网运行故障率,评估微电网在极端条件下的持续供电能力。以实际微电网系统为例,分析微电网各元件对其离网持续运行能力的影响程度,为微电网的架设提供了建议。     

自愈式电容器组爆炸演变过程分析及仿真研究

电力系统使用的电容器组发生爆炸是一个绝缘破坏的渐变过程,为了研究这一过程,本文以能量为线索建立数学模型,从单个自愈电容器绝缘下降到电容器组发生爆炸的演变过程展开分析,并运用ATP-EMTP仿真软件对这一演变过程进行了仿真研究。结果表明由于能量的累积,及时有效地切除击穿电容器对整个电容器组的安全运行至关重要。数学推导和仿真计算相结合,对于更清晰地认识电容器组绝缘破坏的演变过程具有一定的指导意义。     

可溶性柠檬酸锌组成的GC／MS研究

本文介绍了可溶性檬酸锌的制备和用GC／MS联用仪对其组成进行分析研究的方法。     

融合不精准先验知识的Landsat 8 OLI影像深度学习分类方法

遥感影像解译是获得土地利用和土地覆盖（LULC）信息最为重要的途径之一,而自动化分类是提高LULC信息获取效率的关键。实际场景中包含大量不精准的先验知识,提取并融合其中的可用知识能进一步提高影像分类方法的精度、自动化率和规模应用能力。基于上述情况,提出了一种融合不精准先验知识的Landsat 8 OLI影像深度学习分类方法。该方法可自动规避先验知识中的不精准单元,在图斑约束空间内实现了分类样本的自动化区域选择和特征提取,并获得了高置信度知识,然后利用这些分类样本训练深度残差网络,从而实现大区域影像的精确分类。以常州市新北区为例进行实验,选用该区域2009年土地利用现状数据作为先验数据,2014年Landsat 8 OLI影像作为待分类影像。实验结果表明,所提方法可融合不精准先验知识,对大面积连片LULC信息分类精确,主要地类图斑界限准确,全图分类图斑精度达到了88.7%,Kappa系数为0.842。该方法能配合深度学习方法实现高精度Landsat 8 OLI遥感影像分类。     

使用人眼几何特征的视线追踪方法

目的 视线追踪是人机交互的辅助系统,针对传统的虹膜定位方法误判率高且耗时较长的问题,本文提出了一种基于人眼几何特征的视线追踪方法,以提高在2维环境下视线追踪的准确率。方法 首先通过人脸定位算法定位人脸位置,使用人脸特征点检测的特征点定位眼角点位置,通过眼角点计算出人眼的位置。直接使用虹膜中心定位算法的耗时较长,为了使虹膜中心定位的速度加快,先利用虹膜图片建立虹膜模板,然后利用虹膜模板检测出虹膜区域的位置,通过虹膜中心精定位算法定位虹膜中心的位置,最后提取出眼角点、虹膜中心点等信息,对点中包含的角度信息、距离信息进行提取,组合成眼动向量特征。使用神经网络模型进行分类,建立注视点映射关系,实现视线的追踪。通过图像的预处理对图像进行增强,之后提取到了相对的虹膜中心。提取到需要的特征点,建立相对稳定的几何特征代表眼动特征。结果 在普通的实验光照环境中,头部姿态固定的情况下,识别率最高达到98.9%,平均识别率达到95.74%。而当头部姿态在限制区域内发生变化时,仍能保持较高的识别率,平均识别率达到了90%以上。通过实验分析发现,在头部变化的限制区域内,本文方法具有良好的鲁棒性。结论 本文提出使用模板匹配与虹膜精定位相结合的方法来快速定位虹膜中心,利用神经网络来对视线落点进行映射,计算视线落点区域,实验证明本文方法具有较高的精度。     

A component-driven distributed framework for real-time video dehazing

Traditional dehazing techniques, as a well studied topic in image processing, are now widely used to eliminate the haze effects from individual images. However, the state-of-the-art dehazing algorithms may not provide sufficient support to video analytics, as a crucial pre-processing step for video-based decision making systems (e.g., robot navigation), due to poor coherence and low processing efficiency of the present algorithms. This paper presents a new framework, particularly designed for video dehazing, to output coherent results in real time, with two novel techniques. Firstly, we decompose the dehazing algorithms into three generic components, namely transmission map estimator, atmospheric light estimator and haze-free image generator. They can be simultaneously processed by multiple threads in the distributed system, such that the processing efficiency is optimized by automatic CPU resource allocation based on the workloads. Secondly, a cross-frame normalization scheme is proposed to enhance the coherence among consecutive frames, by sharing the parameters of atmospheric light from consecutive frames in the distributed computation platform. The combination of the above three components enables our framework to generate highly consistent and accurate dehazing results in real-time, by using only 5 PCs connected by Ethernet.

     

基于暗原色先验原理的水下图像增强

针对水下光衰减和散射导致的图像严重降质问题和用传统方法进行水下图像增强 产生色偏现象,提出一种新的水下图像增强方法。基于暗原色先验原理进行水下图像增强,用 软抠图的方法对图像暗通道进行细化;在图像前0.1%最亮的像素点中,用中值滤波算法计算出 这些像素点的中值,再计算这些像素点和与之对应的中值的差值,差值最小的像素点作为背景 光的预估值,并用该像素点所在区域颜色饱和度方差来判断预估背景光的准确性;利用Retinex 算法和图像各颜色通道的衰减系数比对增强后的图像进行颜色校正。实验表明,该方法能有效 地去除水下图像中的雾色、校正图像色偏问题,进而提高图像对比度。