基于卷积神经网络的目标检测

为了完成视频图像中人体检测,将卷积神经网络和梯度算法结合.将YOLO网络模型结构以及算法函数进行了优化调整.为了保留视频时间信息,引入了卷积神经网络反馈时间维度.采用长短记忆卷积神经网络(LSTM)进行训练,通过将迭代过程的最优解保留,加快了梯度算法中的搜索速度,并且保证收敛于全局最优解.     

基于多层次语义特征的建筑立面点云提取方法

建筑立面信息是指建筑物与外部空间接触面的空间分布及属性信息,如何从点云数据中提取建筑立面信息是点云数据处理中的热点和难点。为解决传统格网密度算法在建筑立面点云提取时评价标准单一、适应性不强的问题,综合分析建筑区各类典型地物点云的高程分布、投影密度、法向量分布等局部及整体空间特征,构建由点云单点语义、格网语义及区域语义组成的多层次语义特征描述子,在此基础上提出一种建筑立面点云提取方法,针对建筑立面点云在不同层次语义上的特点设置合理阈值,通过逐层筛选实现建筑立面点云的精确提取。试验结果表明：该算法能在低层、高层以及超高层建筑区等不同场景海量点云中快速准确地实现建筑立面点云提取,算法精度、效率、适应性良好。     

钠离子电池健康状态预测

钠离子电池健康状态(SOH)预测对于电池优化管理有重要意义,但由于钠离子电池老化机理复杂,影响因素众多,精准SOH预测挑战巨大.为此,本研究从健康状态时序测量数据出发,提出了基于双指数模型的粒子滤波法(DEM-PF)和基于小波分析的高斯过程回归法(WA-GPR),以实现钠离子电池单步SOH和剩余可用寿命(RUL)预测.前者直接采用双指数函数构建时序SOH数据模型,并结合PF算法进行模型参数更新;后者采用小波分析实现时序SOH数据多尺度解耦,采用GPR构建各尺度数据模型并进行融合后实施预测.实验结果表明,相比DEM-PF方法,WA-GPR方法的单步SOH和RUL预测效果更好,单步SOH预测均方根误差为0.8％,RUL预测误差最小为3次循环,从而为钠离子电池管理提供有效支撑.     

基于RLS-DLUKF算法的锂电池SOC预测方法研究

本工作以钴酸电池为研究对象,针对锂电池在复杂工况下电流的剧烈变化导致荷电状态(SOC)无法有效预测的问题,建立了以精确参数为基础的双层无迹卡尔曼滤波算法(DLUKF)架构来更精准的估算SOC.首先,以脉冲功率特性实验数据获取二阶电路模型中电池开路电压与荷电状态的函数关系及特性曲线;其次,为增强模型辨识过程中的自适应学习能力并解决模型参数估计不准确的问题,应用递推最小二乘(RLS)算法在线准确地识别出模型中的未知变量;最后根据输入的变量信息,利用UKF算法相互嵌套形成的DLUKF算法实现对SOC的快速预测来解决单一的UKF算法在高阶非线性系统里估算不准确、精度低的问题.在UDDS工况和FUDS工况下对DLUKF算法和单一的UKF算法进行比较,通过对比分析两种算法估计出的SOC曲线、SOC误差曲线、端电压曲线及端电压误差曲线,表明DLUKF算法预测SOC的平均误差比UKF的低且预测精度更高.     

计及微网储能系统多尺度不确定性容量协调优化

微网系统中的分布式电源和负荷需求的随机问题促使微网储能容量决策成为一个研究的热点话题.本文提出了多时间尺度下微网系统中源-荷的随机性和预测出力偏差的不确定性的储能容量优化方法.利用该方法建立了系统能量平衡关系和鲁棒性经济协调指标,刻画出了储能系统容量优化方法和微网随机因子间的定量关系,并兼顾微网运行经济性的目标.结合分层理论建立了含分布式电源的微网储能容量的双层优化模型,并采用多目标粒子群算法对本文的优化模型进行求解.仿真结果表明,所提方法能够保证储能系统容量优化配置,同时能获得良好的经济效益.     

就近语音唤醒及识别关键技术研究与空调应用

目前语音空调产品大都共用同一个唤醒词唤醒设备,因此,当多台语音空调被同时唤醒时,会产生"一呼百应"的现象,为解决这一现象,提出就近语音唤醒关键技术研究及空调应用.通过前端语音自适应降噪算法解决室内环境噪声以及空调内部混响,其次通过局域网语音就近唤醒组网选举得到master节点(主节点)和slave节点(子节点),最后根据声源发出声音的能量值或声源离语音空调距离值大小,经过master进行仲裁决策,最终让靠近用户最合适距离的空调被唤醒.