视频序列中运动对象检测技术的研究现状与展望*

将运动对象检测技术分为变化检测、运动检测和特征检测三类,介绍了各类技术的思想,对现有方法进行了归类,指出各方法的本质区别,从理论和实验两方面剖析其优势和不足并指出了适用场合。讨论了目前视频运动对象检测技术存在的问题,展望了未来的发展方向。     

基于神经网络与模糊算法图像边缘检测方法*

针对传统图像边缘检测方法中出现毛边、噪边、边缘定位不精确等缺点,提出一种神经网络与模糊算法相结合的检测方法。根据图像特征,将图像分为高频和低频部分分别处理,高频部分适宜用双层网络结构,可以很好地减弱噪声;对于图像低频部分,将模糊理论引入到边缘检测中,能够检测出弱边。最后对检测出的两个图像边缘进行融合,实验结果证明得出的检测效果较好,比传统边缘检测算子所获结果有很大改善。     

基于层叠模型的网络流量异常检测方法*

进行网络流量异常检测,需要对正常流量行为建立准确的模型,根据异常流量与正常模型间的偏离程度作出判断。针对现有网络流量模型中自相似模型与多分形模型无法全面刻画流量特征的不足,提出了一种基于流量层叠模型分析的异常检测算法,采用层叠模型对整个时间尺度上的流量特征进行更准确的描述,并运用小波变换对流量的层叠模型进行估计,分析异常流量对模型估计的影响,提出统计累计偏离量进行异常流量检测的方法。仿真结果表明,该方法能够有效检测出基于自相似Hurst系数方法不能检测的弱异常以及未明显影响Hurst系数变化的异常流。     

一种网络入侵检测中的数据包采样方法 *

数据包采样方法是提升数据包处理能力很好的方法 ,在网络流量监测分析中得到了广泛应用。然而 ,传统的数据包采样算法应用在 IDS中会极大降低入侵检测率。针对入侵检测的特性 ,利用攻击流量和正常流量在时间上的连续性 ,提出了一种新的数据包采样方法 ,在保证检测率的前提下 ,极大地提升了 IDS的处理能力。     

组合优化在结构多位置损伤识别中的应用

提出了应用于板结构多位置损伤诊断的组合优化方法。证明了多位置损伤状态下的振型变化具有可叠加性,引入了结构的一阶振型变化率作为结构的损伤诊断标识量并证明了具有可叠加的性质,最后提出应用组合优化方法求解板结构多位置损伤诊断问题。四边固支矩形板的多位置损伤诊断的算例证明了该方法是有效可行的,它不仅可以准确的完成板结构的损伤诊断,并且可以简化整个损伤诊断的过程。     

柴达木盆地涩北气田疏松砂岩气藏水气体积比及水侵预警

柴达木盆地涩北气田属于弱边水驱动的背斜型浅层疏松砂岩气田,采用衰竭式开采。根据水气体积比,其气藏生产过程可分为4个阶段,即低含水稳产阶段、初期水侵阶段、边水突破阶段和强水侵阶段。依照水气体积比变化,可以准确监测水侵的发生,水侵突破阶段可以作为预判边水大规模水侵的时间窗口,以调整开采方案,延长稳产期;高含水的强水侵阶段,生产周期较长,是带水开采提高采收率的重要阶段。     

天然气管道间接检测技术及应用

为了预防天然气管道发生腐蚀后引发泄漏等一系列安全事故,对管道开展周期性检测工作可以及时发现缺陷并采取修复、补强等措施。对比了目前常见的几种管道间接检测技术原理及其优缺点,并分别采用多频管中电流检测（PCM）、交流地电位梯度检测（ACVG）、直流地电位梯度法（DCVG）对一条Φ273 mm埋地钢制管道进行检测和开挖验证。结果表明,DCVG和ACVG检测法对管道外防腐层破损点定位的精确性和准确度最高,因此在对埋地钢制管道进行外腐蚀检测过程中,建议优先选用这两种方法对管道外防腐层进行破损点检测,同时尽可能缩小测试间距,减少大缺陷产生的电位梯度的影响,提高检测精度。     

计及衰减直流分量的基频电压半周期检测

衰减直流(DDC)分量、高次谐波等干扰信号的存在,使得对电网畸变信号中基频分量的幅值、相位检测存在一定误差,其中DDC分量的时间常数通常超过45 ms,持续时间较长.为此,文中首先针对畸变信号中DDC分量提出一种半周期四点采样检测算法,缩短了DDC分量的检测响应时间.其次,针对同时含有DDC分量与高次谐波的畸变信号,提出将畸变信号进行半周期积分后,在dq坐标系下将上述DDC分量检测算法与高次谐波检测算法进行组合,在工频半周期中可同时滤除干扰信号的影响,准确检测到畸变信号中的基频分量.最后,搭建了MATLAB/Simulink半实物实时仿真模型,从检测精度、响应时间等方面验证了所提算法的有效性.     

基于区域PMU和节点故障注入电流的广域后备保护算法

电网结构日益复杂,传统输电线路后备保护整定变得越来越困难.文中在间隔母线布置相量测量单元(PMU)策略下,先根据广域差动法确定故障区域,再估计出故障区域中未布置有PMU母线的电压和节点注入电流,推导出该区域节点电压故障分量方程,构造节点故障注入电流.分析故障发生前后故障线路两侧母线和正常母线的节点故障注入电流的变化特征,构造广域后备保护判据.基于IEEE 39节点系统的仿真结果验证了所提算法不受故障位置、类型和过渡电阻影响,在各种故障情景下均能检测出故障线路.     

PSO_SVM算法在太阳能电池板裂缝缺陷检测研究

针对太阳能电池板在生产过程中出现的裂缝问题,在太阳能电池板缺陷数据集有限的条件下,提出应用粒子群算法(particle swarm optimization,PSO)优化支持向量机(support vector machines,SVM)的太阳能电池板裂缝缺陷检测算法。首先,为减少图像采集过程中由电致发光(electroluminescence,EL)检测产生的光照分布不均影响,对太阳能电池板组件图像进行Retinex增强处理;其次,在频域上利用Gabor变换对图像进行纹理特征提取,以获取裂缝特征;最后,将各个太阳能电池板组件的纹理特征经主成分分析法(principal component analysis,PCA)降维后输入到PSOSVM系统中进行分类识别。应用该方法对600幅太阳能电池板EL图像进行实验,仅有1幅出现误检,分类识别准确率为99.33%。将该算法与决策树分类、极限学习机、卷积神经网络及SVM算法进行对比实验,PSOSVM获得最高识别准确率。