高温合金的晶界提取及特征定量表征方法

晶粒尺寸在金属的拉伸强度、韧性等力学性能方面起着决定性作用，为了定量评估金属中的晶粒，必须在金相图像中确定晶界。针对高温合金高倍显微图像中晶界模糊或断裂、析出相、抛光颗粒杂质干扰等现象，提出一种晶界提取的方法。通过拉普拉斯锐化和直方图均衡化等处理来增强图像对比度，再用Otsu法进行分割，将得到的晶界图求最大连通域去除独立的点，最后作平滑细化操作得到完整的晶界并计算出晶粒的特征参数。对GH4149、GH706、GH738金相图片进行处理，结果表明，该算法效果接近传统软件提取加人为后续加工的效果，省去了重复工作，具有一定的可靠性。     

非侵入式电力负荷多目标分解框架

现有基于最优化的非侵入式负荷分解方法存在两个问题:使用一到两个特征对家庭负荷的分解效果差;而使用三个及以上特征作为用电设备辨识的目标函数难度高。提出非侵入式电力负荷多目标分解框架,解决传统方法利用特征数少、加权系数难确定等问题。以有功功率、无功功率、视在功率、谐波和电流波形作为电器运行状态的目标函数,建立多目标优化负荷分解模型。利用多目标进化算法(Multi-Objective Evolutionary Algorithm,MOEA)对实测用电数据进行负荷分解求得Pareto最优解集。最后通过多准则决策方法选出识别结果。实验结果表明,增加特征可提高MOEA算法对多个用电设备同时运行时识别准确率,且与当前主流算法相比,所提框架对家庭负荷分解的准确率更高。