排序方式: 共有32条查询结果,搜索用时 0 毫秒
1.
提出了以脉冲函数为基的等效负荷密度模型简化配电网分析的方法。针对8种基本负荷分布,求解馈线两端的电压方程和馈线沿线损耗方程,分别获得各种分布的特征值和相似系数,从而不需要量测馈线沿线的各个负荷,也能计算出馈线电压降落和沿线线损。文中给出了若干实例,并与严格计算法、负荷均匀分布法的计算结果进行了比较,结果表明提出的方法是可行的 相似文献
2.
3.
4.
5.
深度卷积神经网络的X射线焊缝缺陷研究 总被引:1,自引:0,他引:1
针对X射线焊缝的缺陷识别难度较高且难以分类这一问题,在典型CUDA-CONVNET卷积神经网络(CNN)的基础上,改进并设计了一种深度CNN结构.以图像预处理作为基础,在保证最大限度提取原始图像的焊缝特征的前提下,对CNN的层次架构及参数设定开展了研究;通过与支持向量机(SVM)识别算法对比,进一步评估提出的深度学习方式,研究结果表明:改进后的深度CNN结构及其算法对于大样本的图像特征表达与识别能力有一定的优势,运算样本与错误率成反比,网络结构具有较高的图像分类识别正确率. 相似文献
6.
7.
8.
将压缩传感理论引入X射线焊缝图像缺陷判断,提出将判断X射线焊缝图像是否含有缺陷问题作为一个模式识别问题处理,将待检测图像视为样本图像的线性组合,通过求取系数向量来判断图像是否存在缺陷. 为实现系数向量的稀疏化,提出利用罚函数的方法求解0范数最小问题的近似最优解,提出新的光滑可导的0-1惩罚项函数,使求0范数最优成为可能. 在此基础上分别利用1范数最小和2范数最小求取系数向量,并利用混淆矩阵对所求结果进行分析. 结果表明,综合考虑0,1,2范数最小化所得系数的识别算法灵敏度可达99%,特异度可达98%. 相似文献
9.
10.
对埋弧焊X射线焊缝圆形和线形缺陷图像进行分析,针对焊缝缺陷局部图像强噪声、弱对比度和常规方法不易区分类型的特点,将主成成分分析的思想引入焊缝圆形和线形缺陷类型分类。分析缺陷疑似局部图像自相关矩阵特征值发现,圆形线形焊缝缺陷疑似局部图像分类问题可降维为一维问题,极大地简化计算和提高运算速度。基于此给出圆形和线性缺陷分类算法,由于将缺陷图像分类问题降维,使得分类算法对模板的选择具有较强的鲁棒性。通过现场超过400张焊缝缺陷局部图像的实验表明,无论如何选取模板,线性缺陷的识别率均在98%以上,圆形缺陷的识别率在89%~98.8%之间,且在16次模板更换实验中,4次圆形缺陷识别率达到98.8%。 相似文献