基于改进正反馈主动移频法的孤岛检测研究

孤岛检测是光伏并网发电系统的必备功能,对孤岛效应的检测必须快速而准确,同时孤岛检测方法应尽量减小对并网电流质量的影响。基于正反馈主动频率偏移法是目前应用最广泛的一种检测孤岛的算法。为了解决该算法中的检测盲区大、影响并网电流质量等缺点,提出一种改进的正反馈主动频率偏移法。该方法通过检测初始时刻频率偏差的大小,确定初始斩波因子和扰动施加的方向,通过累加频率偏差的绝对值反馈作用到公共点上。改进的孤岛检测方法不仅提高了孤岛检测精度,也降低了电流谐波畸变率。由仿真结果可知,改进后的AFDPF算法孤岛检测时间比传统AFDPF算法快了0.04 s。     

一种有效的主动频率偏移孤岛检测算法的研究

分析了主动频移式孤岛检测方法,在传统的AFD法基础上提出了一种改进算法,新方法可以实现检测盲区小、逆变器并网电流谐波含量低,同时又能实现对孤岛的快速检测,仿真验证了该方法的有效性。     

一种新的频率偏移技术在光伏并网发电系统孤岛检测中的应用

目前通过频率偏移技术进行孤岛检测的方法有很多,但是这些方法一般都是在假设并网失败后,逆变器电压的频率一直朝某个方向变化(变大或变小)直到超出额定频率范围为止的前提下才成立的。而实际中,当负载的品质因数比较高时,逆变器频率将围绕某个值震荡而不会超出额定频率范围。本文提出一种新的频率偏移技术———自适应逻辑频率偏移技术。他以一般频率偏移技术为基本扰动工具,必要时再叠加一新的偏移量,从而可以快速检测到弧岛效应,并且正常并网时频率扰动量也较小。     

光伏并网发电系统中孤岛效应的研究和应用

光伏并网发电系统除了具有过压、欠压、过频、欠频等常规保护外,还应具有一种特殊的保护功能——孤岛保护。被动孤岛保护相对简单并易于实现,但当PV系统输出功率和负载匹配时,被动式孤岛检测方法失效。因此,本文采用被动式孤岛检测和主动频率偏移(AFD)相结合的孤岛检测方法,实现了孤岛效应的检测和故障保护。     

一种用于频谱感知的增强型能量检测算法

基于传统能量检测算法,提出了一种用于频谱感知的增强型能量检测算法,即利用对接收信号绝对幅度值的任意正数次方代替平方操作。在给定虚警概率时,理论推导出该算法在加性高斯白噪声信道中对随机信号的检测概率的闭合表达式。仿真表明,在不同信噪比条件下,与传统能量检测器相比,最优的增强型能量检测器能够体现出更佳的性能,尤其是在低信噪比情况下。     

一种基于新型同步算法的脉冲UWB能量检测接收器设计

在RFID和无线传感器网络等应用系统中,脉冲UWB(IR-UWB)技术的低功耗和低成本特点具有很大的优势。为了有效地降低功耗和成本,采用了一种基于能量检测,使用开关键控(OOK)调制的IR-UWB接收器,提出了一种使用能量补偿与自适应门限的新型同步与检测算法,此算法降低了接收器的能耗与硬件复杂度。通过对该接收器的仿真及用FPGA硬件实现,表明此算法降低了同步时的功耗及前导序列长度,提高了传输效率,同时保持了系统性能。测试结果表明此接收器架构能够满足在数据率10Mb/s时,功耗仅为1nJ/bit左右,具有低功耗、低复杂度的特点。     

改进型ViBe算法在运动目标检测中的应用

作为计算机视觉领域的热门方向之一,运动目标检测具有很高的理论研究价值和很广的实际应用空间。传统视觉背景提取器(Visual Background Extractor, ViBe)目标检测算法实时性高且内存消耗低,但存在受光照影响大、不能有效抑制拖影区域、无法消除阴影以及检测图像内部空洞等问题。鉴于以上不足,提出3点针对性改进策略：(1)优化算法核心参数。筛选最优值来替换以往经验值,从而提高算法性能,增强算法适应性。(2)引入光强检测算子。阈值半径随光强变化自适应,避免因光照变化而出现拖影区域。(3)增加阴影检测模型。利用感兴趣区域(Region of Interest, ROI)像素分布确定阴影位置,结合运动目标自身特性分割出目标区与阴影区。仿真实验结果证明：改进型ViBe算法不仅能够完整地检测、抓取运动目标,而且还可以有效地抑制拖影区域并消除目标阴影。     

单相谐波检测算法改进研究

谐波一直以来都是电力系统发展过程中影响电能质量和安全稳定运行的一个不容忽视的问题。该文就谐波检测的重要性谐波的危害、有源滤波器以及谐波检测算法的基本原理做了简要的分析介绍,并对单相谐波检测的算法改进进行探讨研究,最后对谐波检测的发展趋势做简要分析介绍。     

Cholesky分解更新算法及其在多用户检测算法中的应用

对用户归—化的互相关矩阵进行Cholesky分解是解相关判决反馈多用户检测算法(DDFB)的基础。本文针对实际信道的动态性,如用户的随机接入或离开信道,研究Cholesky分解的更新算法以避免对相关矩阵的实时Cholesky分解,对算法的复杂度进行分析,结果表明,在动态信道中,更新算法可以有效地降低算法的复杂度。     

一种基于频谱能量统计的短波信号检测算法

短波通信具有环境噪声大、信道恶劣等特点,常规通过直接求信号能量进行判决的检测算法,存在较为严重的漏检。文中分析了单音调制信号和多音调制信号的能量谱特征,找出了两类信号在频谱能量上的不同,由此提出了一种基于频谱能量统计的短波突发信号检测算法,实现了对MIL—STD-188—110B、2G—ALE等实际信号的检测。检测结果显示本文的算法检测效果好,检测精度高,具有一定的工程应用价值。     

改进的否定选择算法在入侵检测系统中的应用

人工免疫系统中的一个重要的核心算法就是否定选择算法(Negative Select Algorithm),该算法用来生成成熟检测器,它是对免疫细胞成熟过程的模拟。否定选择算法的检测器是随机生成的,因此检测器集合冗余度高、对非自体空间的覆盖率低。针对这一问题,本文提出一种改进算法,通过对检测器进行二次筛选来降低检测器的重复率和冗余度。实验证明,在基于免疫原理的入侵检测模型中改进算法可以将模型的正确检测率提高10%,漏检率降低3%,该算法是有效的。     

改进的状态反馈算法

基于李亚普诺夫方程的状态反馈增益算法是极点配置算法中比较常见的一种.为保证方程有解,该算法要求系统的开环和闭环极点不能重合.改进了状态反馈增益算法,可以任意配置线性定常能控系统的极点.     

基于改进Vibe算法的行人目标检测

针对经典Vibe算法在实际视频图像中,对行人目标检测不够精确,主要存在"鬼影"、光照误检的干扰问题,结合三帧差分算法及LUV均匀色彩空间的特性,提出了一种改进的Vibe算法。该算法首先通过三帧差分对视频进行预处理,获取真实背景,然后结合LUV空间的均匀色彩特性降低对光照的敏感度,最后对空洞填充并获取行人目标的最小外接矩形。实验结果表明,该算法能有效地消除"鬼影"问题,并在光照突变情况下具有良好的鲁棒性,在复杂环境的实时监控视频流中具有理想的行人目标检测效果。     

改进YOLOv3算法在肺结节检测中的应用

针对当前肺结节检测模型精度低、对小结节和近血管结节不敏感的问题,提出了改进的YOLOv3肺结节检测算法。首先,采用Darknet-53 512×512作为主干网络提升对肺内小结节的敏感度;其次,引入Mish激活函数提高模型检测精度;第三,引入K-means++聚类算法,优化锚框,选取更适合肺结节数据集的锚框;第四,将检测框损失函数优化为GIoU,解决了当IoU为0时无法反映预测检测框与真实检测框重合度的情况,同时也避免了当Loss为0时,由于没有梯度回传而无法训练的情况。在LUNA16数据集上的实验结果表明,改进算法经过25 000次迭代后的m AP达到94.89%,比原始YOLOv3算法的m AP提高了4.94%,查准率提高了3.76%,召回率提高了1.15%,对肺内几种常见类型的肺结节都能准确地定位与检测。     

改进的遗传算法在排课系统中的应用研究

针对排课系统中常用的遗传算法中存在影响排课因素多、难以进行最优组合及排课效率低等问题,提出了一种改进的遗传算法。在该算法中,主要对传统遗传算法中的编码方式、初始化种群方式、选择操作、交叉操作、变异操作及冲突检测方式进行改进。仿真测试结果表明,改进后的遗传算法在收敛速度和获得最优解方面都有了很大提高。     

An improved energy detection receiver for toa estimate in mm-Wave system

It is challenging to acquire the first arriving path for the estimate of the time of arrival (TOA) in multipath channels, particularly for low signal to noise ratio. The energy detection (ED) receiver is a better scheme for TOA estimate in millimeter-wave (mm-Wave) ranging system since its simple circuit structure. However, the traditional algorithms for TOA estimate using ED cannot provide the adequate accuracy. In this paper, a novel ED receiver for mm-Wave TOA estimate is developed by employing the higher order cumulant technique. Results acquired in IEEE 802.15.3c models confirm the effectiveness and better performance of this solution.     

基于GMM的算法在语音检出系统中的应用研究

高斯混合模型(GMM)由于通过改变高斯的混合度,能够逼近任意概率分布,所以在语音识别领域应用广泛。对高斯混合模型的训练,常见的训练方法是最大似然估计(MLE),这种训练方法能最大程度拟合所有样本的分布,但没有考虑模型之间的相互影响,导致识别过程会出现混淆情况;区分性模型训练算法,适合应用于大数据量复杂组合类别的区分问题。这里提出采用的区分性模型训练方法,其原则是最小化分类错误风险,通过更精确细致地刻画不同模型之间的分类面,提升识别的效果。实验结果表明,该训练方法比最大似然估计的训练方法在多类别语音检出任务中具有更好的识别效果。     

An improved anti-rollback control algorithm for gearless traction motor in elevator applications

Permanent magnet synchronous motors are widely used in elevator applications. This is due to their high efficiency and reliability, whereby motors are directly connected to the elevator ropes without the need of having a gearbox. This efficient system comes with some new challenges regarding the control of the motor. Since no gearbox is added to the system, the motor speed oscillations are directly transferred to the elevator cabin. This urges the need of having a smooth control algorithm to suppress the measurement noises generated by the absolute encoder especially at low speed. On the other hand, whenever the mechanical brakes are released, the speed controller needs to react quickly to prevent the cabin from rolling back. In order to overcome these challenges, this paper presents an improved speed control algorithm that reacts quickly in transient state to reduce the rollback of the cabin and slowly at steady state to ensure smooth ride. The proposed controller is based on the combination of a Model Predictive Controller (MPC) along with a torque observer. It also benefits from being computationally less demanding unlike other MPC techniques. The proposed controller is experimentally tested on an elevator and then compared to classic controllers. Finally, conclusions are drawn.     

基于改进YOLOv3算法在垃圾检测上的应用

现阶段我国主要靠人工对垃圾进行分拣,存在安全 系数低、效率低下等问题。传统目标检测方法针 对种类繁多,形态各异的垃圾目标不易设计特征,鲁棒性较差,为实现自然环境下垃圾的快 速精准识别, 本文提出一种基于深度学习的轻量级垃圾分类检测方法。该方法通过引入CIOU边框回归损 失函数来提高 回归框准确率;针对低功耗移动设备终端的部署,提出一种以YOLOv3目标检测算法为基础 ,结合 MobileNetV3的特征提取网络,对算法进行轻量化;在YOLO层加入GRU结构,利用多门控 循环神经网 络结构对YOLO层中不同大小的特征图建立记忆链接,对深层语义特征的向前融合过程进行 过滤和筛选, 使得特征融合效果更佳;使用迁移学习预训练的方式来提高模型的特征提取能力和泛化能力 。文本采用自 制的Garbage数据集对改进后的网络进行训练和测试,结果表明,本文提出的算法识别效果 显著,平均准 确率为90.50%,高于原YOLOv3网络的平均准确率86.30%,检测速度达到18帧/秒,满足实时检测的 需求。实验表明,改进后的网络模型能在保证检测准确率和速度的同时,有效降低模型参数 量,具有一定应用价值。