排序方式: 共有5条查询结果,搜索用时 0 毫秒
1
1.
以某电厂的监控信息系统(SIS)中的历史数据库作为分析平台,讨论了一种基于统计分析和自组织特征映射(SOFM)神经网络状态识别的燃烧诊断方法.首先对火检信号样本进行特征提取,提取出火焰亮度平均值、火焰亮度方差、火焰亮度峰峰值和均匀度等4个特征量,大量统计分析表明这些特征量能够反映不同工况下的火焰燃烧状态.然后将火焰信号特征值作为自组织神经网络输入,通过自组织训练,得到对应于稳定和不稳定燃烧状态下的不同输出区域.经过验证,这种方法能有效识别火焰燃烧状态的稳定与否.最后,利用自组织神经网络的多次聚类结果,分析并验证了用燃烧指数对燃烧状态作定量描述的可行性. 相似文献
2.
3.
提出了一种基于SIFT和KLT算法的自然路标匹配与跟踪方法。该方法利用SIFT算子提取图像中自然路标的特征点集作为模板,然后将机器人采集图像中的SIFT特征点集与模板特征点集进行匹配,获取二者之间仿射关系,并解算自然路标在视野中的位置,为机器人自定位提供参考信息。机器人在运行过程中,将KLT算法与SIFT算法相结合对成功匹配的自然路标进行跟踪,较好地解决了SIFT算法效率低下的问题。实验结果表明该方法对自然路标具有较好的匹配和跟踪效果。 相似文献
4.
5.
1