帧间差分与边缘纹理相融合的运动目标检测

提出了一种利用边缘纹理进行背景建模,结合三帧差分算法,获取目标轮廓的运动目标检测方法,进一步通过区域填充得到目标前景.该方法对光线变化不敏感,对阴影去除有比较好的效果,改进了边缘纹理差分和帧间差分的缺陷,取得了比较完整准确的运动目标前景.     

图像二值化技术的研究

图像二值化技术的应用中比较突出的问题是如何确定合理的门限来达到较理想的二值化效果。介绍了当前几种较为流行的二值化处理技术和确定门限、阈值的算法,并对这些技术和算法的效果进行了测试与比较。     

混合高斯模型和帧间差分相融合的自适应背景模型

提出了运动目标检测中背景动态建模的一种方法。该方法是在Stauffer等人提出的自适应混合高斯背景模型基础上,为每个像素构建混合高斯背景模型,通过融入帧间差分把每帧中的图像区分为背景区域、背景显露区域和运动物体区域。相对于背景区域,背景显露区中的像素点将以大的更新率更新背景模型,使得长时间停滞物体由背景变成运动前景时,被遮挡的背景显露区被快速恢复。与Stauffer等人提出的方法不同的是,物体运动区不再构建新的高斯分布加入到混合高斯分布模型中,减弱了慢速运动物体对背景的影响。实验结果表明,在有诸多不确定性因素的序列视频中构建的背景有较好的自适应性,能迅速响应实际场景的变化。     

高职院校《计算机网络基础》课程教学的思考

计算机网络的产生和发展,特别是Internet的发展在现代科学技术史上具有重大的意义和深远的影响.目前,在国内的各高等学校、高职院校,甚至一些中职院校,《计算机网络基础》课程已经成为计算机专业、尤其是计算机网络技术专业的核心基础课程,该课程对后续相关课程的学习效果有着决定性的影响.     

基于嵌入式系统的汽车行驶记录仪的设计

本文介绍了一种以带有ARM7内核的LPC2292为微控制器,以UC/OS-Ⅱ为操作系统的汽车行驶记录仪.阐述了汽车行驶记录仪所要实现的功能,并介绍了该系统的硬件电路设计和软件设计.系统的软硬件设计部分包括信号采集、数据存储、键盘操作、显示以及数据通信等模块,实验证明所设计的行驶记录仪符合GB/T19056-2003的国家标准.     

计及ROCOF与转子动能的风电机组自适应下垂控制策略

风电机组参与调频可提高风电并网系统的频率稳定性,但现有下垂控制难以兼顾频率响应特性和风机自身运行状态。提出了一种计及频率变化率(rate of change of frequency, ROCOF)与转子动能的自适应下垂控制策略,充分利用转子动能参与调频,确保风机稳定运行。根据系统频率情况,将ROCOF划分区间,通过分段函数构建下垂系数与ROCOF的耦合函数,确保风电机组在扰动初期释放更多能量,减缓频率跌落速度,提高风机对频率的支撑能力。同时,引入转速影响因子,根据风机自身运行状态调整下垂系数,防止风机转子失速,避免频率二次跌落。最后,在MATLAB/Simulink平台上,搭建了风火联合系统仿真模型,仿真验证了所提控制策略在改善调频效果、保证风机转速稳定方面的有效性。     

基于热路法的自然冷却永磁同步电机定子温度计算

为获取电机运行时的温升情况,本文使用热路法对一台自然冷却永磁同步电机定子的温度进行计算。在Maxwell中进行二维电磁场仿真,得到电机定子的损耗。将电机定子分为多个部件,使用简化圆筒T型热路模型并结合立方体热路模型搭建各部件的单元模型,在计算各部件的相关热阻后,得到电机定子的热路模型。根据热平衡原理建立温度场线性方程组,求解电机定子的温度。在Fluent中建立电机定子的三维简化模型,给予材料属性、边界条件及其他相关设置后,进行电机稳态温度场仿真。最后对电机进行温升实验,使电机在额定工况下运行至热平衡状态后,进行实验测量。将热路法计算的结果与实验和仿真结果进行对比分析,验证了热路法的正确性。     

基于轻量级密集残差网络的水下图像增强

深度卷积神经网络是水下图像增强的主要方法之一,但其过高的内存消耗和计算需求阻碍了在实际应用中的部署。为此,提出一种轻量级的密集残差卷积神经网络(dense residual convolutional neural networks, DRCNN)用于水下图像增强。为降低计算成本,DRCNN采用深度可分离卷积提取高级特征;通过密集连接和残差学习促进不同通道之间的信息交互,提高模型表征能力;将输入的退化图像与中间特征图融合,保留图像全局相似性,同时防止模型梯度消失。实验结果证明DRCNN能有效提高水下图像质量,较于现有算法,DRCNN参数量减少了85%,PSNR、SSIM值分别提高了3%、2%,测试速度提高了3%。DRCNN使用更少的参数实现了更好的性能,利于在低资源设备的实时场景中应用。     

基于动态无功支撑的全功率变流风电机组高电压穿越改进控制

高比例新能源电网中因系统故障引发的风电机组脱网事故时有发生。增强风机故障穿越能力,降低脱网频率对电网稳定运行至关重要。该文首先通过分析变流器矢量控制原理,从理论上得出：电网暂态过电压易导致网侧变流器达到其交流电压调节上限,从而造成交直流功率耦合振荡,引发失稳或过压切机保护。然后参照相关标准要求,确立了基于功率因数调节的高电压穿越(high voltage ride through,HVRT)改进控制策略。该策略通过在故障期间向电网注入无功电流,利用滤波电感的分压作用缓冲过电压冲击,以此满足变流器电压矢量的控制要求;与此同时增加了机组的无功支撑能力,利于电网电压恢复。改进控制根据电压不同,采取分段优化设计,并通过在直流侧加装储能辅助电感分压,提升变流器无功支撑能力和穿越电压上限。最后以风电机组典型参数为依据通过数值定量计算做理论验证,并结合MATLAB/Simulink仿真平台做实验验证,理论和实验结果证明了该文基于暂态过电压故障特性分析的准确性以及对应改进策略的可行性。     

基于贝叶斯正则化BP神经网络的超临界二氧化碳流动阻力特性预测

超临界二氧化碳（S-CO2）流动摩擦阻力特性尚不明晰,现有阻力预测公式泛化能力不强。对S-CO2在垂直上升光滑圆管中进行湍流流动的阻力特性进行了实验研究,系统分析了不同质量流速、压力和热流密度对S-CO2流动摩擦阻力的影响,实验参数范围为质量流速750~ 2 200 kg/(m2·s),流体压力10~20 MPa,热流密度200~340 kW/m2以及主流温度60~500 ℃（远离拟临界点）。实验结果表明:S-CO2流动摩擦阻力随热流密度的增加而减小,这有利于 S-CO2发电的大规模工程应用;S-CO2流动摩擦阻力随压力的增加而减小,主要原因在于压力增加导致CO2流体密度增加。根据实验数据,构建了贝叶斯正则化BP神经网络模型,实现了对S-CO2流动摩擦阻力的有效预测。预测值与实验值的相关系数R=0.998 6,超过98%的预测值均在10%的误差范围内,表明该模型拟合精度高,具有较好的泛化能力。