基于改进YOLOv3的水稻叶部病害检测

为了解决水稻小病斑检测不准确的问题,提出一种基于改进YOLOv3的水稻叶部病害检测方法Rice-YOLOv3。首先,采用K-means++聚类算法,计算新的锚框尺寸,使锚框尺寸与数据集相匹配;其次,采用激活函数Mish替换YOLOv3主干网络中的Leaky Relu激活函数,利用该激活函数的平滑特性,提升网络的检测准确率,同时将CSPNet与DarkNet53中的残差模块相结合,在避免出现梯度信息重复的同时,增加神经网络的学习能力,提升检测精度和速率;最后,在FPN层分别引入注意力机制ECA和CBAM模块,解决特征层堆叠处的特征提取问题,提高对小病斑的检测能力。在训练过程中,采用COCO数据集预训练网络模型,得到预训练权重,改善训练效果。结果表明:在测试集下,Rice-YOLOv3检测水稻叶部3种病害的平均精度均值(mAP)达92.94%,其中,稻瘟病、褐斑病、白叶枯病的m AP值分别达93.34%、89.68%、95.80%,相较于YOLOv3,Rice-YOLOv3检测的m AP提高了6.05个百分点,速率提升了2.8帧/s,对稻瘟病和褐斑病的小病斑的检测能力明显增强,可以检测出原始网络模型漏检的小病斑;与Faster-RCNN、YOLOv5等模型对比,Rice-YOLOv3提高了对相似病害和微小病害的识别能力,并在原始的基础上提高了检测速率。

改进RRT算法的采摘机械臂路径规划

针对采用传统的快速随机扩展树(RRT)算法的采摘机械臂在果园工作环境中搜索路径时间长,最终路径不平滑、拐点多等问题,提出了一种改进的RRT避障算法。改进的算法采用高斯采样策略,减少了采样的随机性,避免产生更多不必要的随机树,增加规划的导向性;再添加A*代价函数去除路径的冗余点,最后使用贪婪算法简化路径,减少拐点,让机械臂可以快速、准确、平稳地沿着最佳路径运动到目标点。仿真表明,改进后的算法有效地减少了路径规划的时间,缩短了路径长度,具有良好的可行性和有效性。

基于CNN-GRU-ISSA-XGBoost的短期光伏功率预测

针对光伏功率随机性及波动性大,单一预测模型往往难以准确分析历史数据波动规律,从而导致预测精度不高的问题,提出一种基于卷积神经网络-门控循环单元(CNN-GRU)和改进麻雀搜索算法(ISSA)优化的极限梯度提升(XGBoost)模型的短期光伏功率预测组合模型.首先去除历史数据中的异常值并对其进行归一化处理,利用主成分分析法(PCA)进行特征选取,以便更好地识别影响光伏功率的关键因素.然后采用CNN网络提取数据的空间特征,再经过GRU网络提取时间特征,针对XGBoost模型手动配置参数困难、随机性大的问题,利用ISSA对模型超参数寻优.最后对两种方法预测的结果用误差倒数法减小误差的同时对权重进行更新,得到新的预测值,从而完成对光伏功率的预测.实验结果表明,所提出的CNN-GRU-ISSA-XGBoost组合模型具有更强的适应性和更高的精度.

基于动态事件触发的微电网分布式协调控制策略

在孤岛交流微电网电压和频率的协调控制中,存在着依赖周期通信、通信负担大等问题.为此,提出了一种基于动态事件触发的分布式协调控制策略,在微电网中运用多智能体系统理论,将频率和电压作为追踪同步目标.通过评估事件触发条件,从根本上摆脱了分布式电源DGs的连续通信和Zeno行为.并引入与系统偏差和反馈有关的动态变量,合理调整触发阈值和反馈增益.此方案提高了通信效率,降低了控制更新频率,保持了良好的控制性能.并且在Matlab/Simulink环境中验证了所设计控制策略的正确性和有效性.

基于多尺度特征与注意力模块的室内场景识别方法

场景识别在视觉信息检索、图像分割、图像/视频理解等任务中有着关键性的作用。随着深度学习理论的发展,尤其是卷积神经网络(CNN)能识别图像中具有辨别性的物体,这大大提高了场景识别的能力。为了实现智能轮椅床等家庭服务机器人的自主场景识别,针对在移动端或嵌入式设备计算资源和内存需求有限的情况下,网络输出辨别性物体单一而造成场景识别率低的问题,提出一种基于多尺度特征提取和注意力模块的室内场景识别方法。该方法基于Mobile-NetV2轻量化网络,从网络中选择不同分支提取不同尺度的特征。为关注场景中更有辨别性的特征,在分支中加入了MRLA-Light注意力模块,仿真结果表明准确率有明显提高,在MIT Indoor 67数据集、Scene 15数据集上的准确率分别为86.3%和94.3%,相比于同类型网络有更高的准确率。

基于分布鲁棒优化的风光氢微电网容量配置方法研究

风光氢微电网对推动能源转型及提高能源利用效率具有重要的作用。文章对风电、光伏、氢储能微网系统的容量配置问题进行了研究,构建了风光氢微电网系统模型,考虑到风电、光伏出力不确定性,基于历史数据,通过改进K-means聚类算法选取典型日场景,并采用综合范数1-范数和∞-范数共同约束不确定性概率分布置信集合。文章建立了风光氢微网容量配置两阶段分布鲁棒模型,第一阶段确定各设备容量,以投资成本最低为目标,第二阶段以运行成本最小为目标,该模型通过列与约束生成(Column and Constraint Generation,C&CG)算法实现求解。结果表明,该模型能取得合理的容量配置,且能提高风光氢微电网的能源利用率和经济性。

基于平滑蚁群算法的机器人路径规划

在栅格环境下利用蚁群算法规划出来的移动机器人路径存在转弯次数多,累计转折角大等问题。针对这些问题,提出了平滑蚁群算法。平滑蚁群算法是在蚁群算法规划出来的最优路径的基础上,将当前节点与其它不在同一条直线上的节点依次连线,如果新的连接线不穿越障碍物,则将当前连接线作为新路径代替原来路径,并删除中间节点,否则对当前路径不作任何修改。仿真结果表明,平滑蚁群算法能够在不同栅格规模和障碍物覆盖率不同的情况下,有效降低路径长度,减少转折次数和累计转折角度,并且路经规划结果优于免疫遗传算法和势场蚁群算法的路径规划结果。

考虑风光荷不确定性的配电网故障恢复策略

风光等可再生分布式电源在配电网中渗透率不断提升,其出力受自然因素的约束具有很强的随机性,给主动配电网的故障恢复带来更大挑战。为此,综合考虑风光荷的不确定性,提出了一种孤岛划分与恢复重构相结合的综合故障恢复策略。首先,构建风光和储能系统联合出力模型以及负荷特性模型,采用广度优先遍历和深度优先遍历相结合的方法进行孤岛划分,对配电网中重要负荷优先恢复;然后,以配电网中开关操作次数最少和网损最小为目标,建立主网与剩余失电区域的恢复重构模型,采用改进灰狼算法进行求解,对配电网中剩余失电负荷进行恢复;最后,以IEEE33节点配电网模型为例进行仿真分析,实验结果表明,该文提出的方法可准确、快速地获得不同故障时刻配电网故障恢复最优策略,验证了方法的有效性和优越性。

基于EEMD小波阈值去噪和CS-BP神经网络的风电齿轮箱故障诊断

针对风电机组齿轮箱中齿面点蚀、齿轮磨损、断齿等故障的诊断问题,提出一种基于EEMD小波阈值去噪和布谷鸟算法优化BP神经网络的故障诊断方法。采用EEMD分解和小波阈值去噪方法对故障振动信号进行数据预处理,抑制原始振动信号中的噪声干扰。利用布谷鸟算法优化BP神经网络对预处理后的信号进行诊断。小波阈值能更好地对EEMD分解中的高频分量进行去噪处理,CS-BP神经网络具有准确的模式识别精度和出色的全局寻优能力。通过实例仿真表明,提出的故障诊断方法具有良好的诊断精度、速度和成功率,具有较高的应用价值。

基于小波分析和神经网络的电机故障诊断方法研究

在电机故障诊断技术中,电机振动信号最能全面反映电机的运行状态。由于电机振动信号属于非平稳随机信号,传统的傅里叶变换从频域角度进行信号分析,只能说明信号中某频率成分幅值的大小和频率密度,不能检测奇异信号点的时域信息,而且还可能将含有丰富故障信息的微弱信号作为噪声滤去。因此,不能完全满足故障信号特征提取的要求。为解决这一问题,提出一种基于小波分析和神经网络的电机故障诊断方法,该方法采用小波时频分析技术对电机故障振动信号进行消噪滤波,通过小波包分解系数求取频带能量,根据各个频带能量的变化提取故障特征,应用BP神经网络进行故障识别,并采用Matlab仿真软件予以实现。结果表明,该方法不需要建立电机的故障诊断模型,能有效提高电机故障诊断的准确性。

基于多颜色空间分割的温室环境视觉导航路径信息提取

针对温室小范围复杂作业环境中的农作机器人视觉导航路径信息的提取方法进行研究。该方法首先对红、绿、蓝(red、green、blue,简称RGB)颜色空间各分量算子重新组合比较,在HSI(hue-saturation-intensity)色彩空间对不同光照条件下各分量的均值和标准差进行比较,对图像的RGB空间的各分量作差得到(G-B)、(R-B)差值图像,再对G-B、R-B差值图像和H分量图像用最大类间方差法(OTSU)分别进行最优阈值分割,然后再合并、滤波,将植物从背景中分离,最后用优化后的Hough变换进行植物行中心线的提取从而确定导航路线。结果表明,该方法能去除杂草和降低光照条件的影响,很好地适应复杂的温室环境,能准确分割和提取农作物行中心线,算法简单,实时性、鲁棒性强。

基于NARX神经网络的日光温室湿度预测模型研究

在日光温室湿度预测模型建模中,由于输入因子间存在复杂耦合关系以及冗余的条件属性,导致网络训练难以收敛且精度不高。选用影响日光温室湿度的环境因子组成数据样本,采用主成分分析方法对样本集进行解耦降维处理,以采用主成分分析后的数据样本作为输入,以日光温室内湿度作为输出,采用贝叶斯正则化算法构建NARX神经网络模型,对日光温室湿度进行预测。仿真结果表明,基于NARX神经网络建立的预测模型具有很强的非线性动态描述能力,能够对室内湿度值做出准确的预测。

电动汽车参与电网调峰的模型及调度策略研究

"汽车-电网"互联(Vehicle to grid简称V2G)技术体现了电动汽车与电网的互动关系,随着电动汽车数量的快速增加和充放电技术的成熟,电动汽车必将成为智能电网的重要组成部分,并有望参与电网调峰平抑负荷波动。建立了一种电动汽车参与电网调峰的模型,提出了基于粒子群算法的调度策略。基于某地区典型的日负荷曲线,研究了电动汽车对电网调峰的影响。

复杂背景下植物叶片的彩色图像分割

研究彩色图像自动分割问题。根据分水岭与自动种子区域生长相结合的算法,在复杂背景的处理上依然存在过分割的问题。本文提出:首先在其预处理上应用各项异性扩散Perona&Malik算法进行处理,Perona&Malik算法在抑制噪声的同时能够保持图像的边缘信息;其次在预处理基础上应用分水岭分割出区域;最后进行自动种子区域生长和合并小区域。通过在Matlab上仿真,结果表明此算法能够减少区域分割,并且在复杂背景下更完整地分割出目标区域。

改进中值滤波方法的图像预处理技术

图像实时处理系统日益发展,这无疑对FPGA的广泛应用提供了良好的平台.针对在某些领域传统的中值滤波算法无法快速有效的对采集到的图像进行处理,采用改进中值滤波利用FPGA运行速度快、内部程序并行运行等优点,设计出具有高实时性、高灵活性的图像预处理系统.通过中值滤波算法特点运用Verilog硬件描述语言进行代码编写,并在Quartus II、Modelsim进行实现仿真,最后与MATLAB中值滤波仿真图及多级中值滤波进行对比,得出利用FPGA处理改进中值滤波不但能够顺利对图像进行中值滤波,而且具有运算速度快、低能耗的特点.

品牌生态领域高频作者与研究热点前沿的可视化分析

以国内品牌生态领域的1704篇学术论文作为数据样本,统计1996-2011年间论文的时间分布和作者分布状况。运用CiteSpaceⅡ可视化分析工具分别绘制品牌生态领域高频作者和研究热点前沿的知识图谱,并建立两者共现混合的二维时空分布图谱。评述并揭示高频作者的合作聚类状况、研究热点、热点区域、关键知识元、研究前沿及主要代表作者。

基于改进VMD-SSA的直流微电网故障检测技术研究

快速故障检测与隔离是直流微电网保护面临的主要问题。本文针对直流微电网存在的高阻抗故障难以检测的问题提出一种基于改进VMD-SSA的直流微电网故障检测方法。以麻雀搜索算法(SSA)结合最小包络熵为目标函数,优化了变分模态分解(VMD)的模态分解层数和惩罚因子的选择,使故障电流变化率的故障信息更加丰富,提高了故障检测的精度,VMD故障检测算法在2 ms内检测到故障,提高了检测的速度。提出以峰度能量为指标的阈值设定方法,与传统故障检测算法相比简化了阈值设定过程。最终通过实验验证该方法能有效地解决高阻抗故障检测精度不足的问题。

基于改进的烟花-蚁群算法和B样条曲线的农业机器人路径规划

根据蚁群算法收敛速度较慢,易陷入局部最优等问题,提出了一种改进烟花-蚁群(improved fireworks-ant colony algorithm, IFWA-ACO)混合算法,解决静态环境下农业机器人的路径规划问题,首先针对基本烟花的交互机制和选择策略做出改进,提出爆炸与迁移相结合的策略以及密度峰值火花、探测火花概念,提升烟花算法寻找最优解的能力,然后把改进烟花算法得到的最短路径作换算成蚁群算法中的信息素加强值,从而避免蚁群盲目搜索,最后采用B样条插值方法进行曲线化拟合,生成平滑路径,有利于机器人平稳行进。试验仿真结果表明,IFWA-ACO算法能快速的规划出机器人的最优路径,降低农业机器人能耗,提高工作效率。

基于视觉定位的牧场奶牛自动跟踪定位系统研究

机器视觉已经成为现代畜牧业中的一个重要应用技术,这主要是得益于近年来图像处理技术的快速发展以及计算机的硬件成本不断下降和其运算速度的飞速提升。随着近几年具有高科技的大型奶牛养殖基地的不断兴起,基于机器视觉的奶牛自动定位系统成为新的研究课题。为了解决在牧场中对特定奶牛的定位跟踪问题,笔者提出采用视觉机器人,而视觉定位系统是整个机器人系统的核心和关键。本研究利用高斯金字塔LK光流法实现对奶牛的目标定位及运动跟踪,对传统算法的不足之处进行了总结分析,提出了改进的Harris特征点检测算法。结果表明:改进后的算法不仅在特征点提取效果方面有显著提高,同时具有处理速度快的优点,可为移动奶牛的准确定位做好准备。

直驱型风力发电并网逆变器的控制策略研究

在直驱式风力发电系统中,并网逆变器的控制非常关键。目前的控制方法大多采用常规PI控制,虽然常规PI控制能够满足系统较快的动态响应和无静差调节,但是参数不易准确调节,并且逆变器谐波畸变率较大。为解决这一问题,设计了模糊自适应PI控制器,运用模糊推理实现对PI参数的最佳调整,并在RT-LAB半实物仿真平台上进行了建模与仿真。仿真结果表明,模糊自适应PI控制器可以加快系统动态响应速度,有效减小谐波畸变率。