基于高斯混合模型的图像处理方法

文章提出了一种新型的颜色空间转换形式以及一种优化的高斯混合模型,可以有效地减少了迭代次数,增强图像分割边缘。首先,采用GMM(Gaussian Mixture Model)对图像进行分割捕获,并利用开源视觉库中的函数对图像中的异物进行放大和分割操作,同时对彩色图像进行去噪处理,使图像中的异物清晰可见最后利用HSS彩色空间变换对GMM图像进行预处理,达到最佳效果。结果表明该方法能提高图像检测和处理的效率和异物识别的准确性。

三相不平衡系统中感应电机谐波抑制方法研究

针对如何抑制三相不平衡系统中的感应电机谐波展开研究,提出了一种适用三相不平衡交流系统中感应电机的谐波抑制方法。首先,采用快速电流监测装置精确地监测三相交流电机电流;然后,通过傅里叶变换提取三相交流电流中的谐波分量,将其输入到模糊自适应模块库中,快速获取不同谐波分量的补偿信息;最后,经由谐波PWM补偿信号模块输出对应的PWM补偿信息,完成三相交流电机的谐波补偿。该方法改善了三相交流电网中的电能质量,同时降低了三相交流电机中的谐波分量,并通过系统仿真试验验证了该方法的正确性。

基于带惯性粒子的粒子群算法的高压电缆状态监测研究

高压电缆的绝缘健康状态是保证电力可靠性的关键因素。当电力电缆在电网中大量使用时,会因电磁、机械、热及环境腐蚀等原因而发生电缆绝缘破损的现象,从而减少了电缆的使用寿命,影响了电缆运行的稳定性与安全性。当电缆发生严重故障时,会导致电网瘫痪,给人们的生活和工业生产带来巨大的经济损失。针对以上问题,首先,介绍了国内外电力电缆绝缘监测的方法;然后,将粒子群算法(PSO)的特点运用到降低所监视数据波形的噪声中,达到快速分类目的,在故障发生时PSO降噪方法可以有效地提取有效波形信号;最后,通过仿真实验证明了PSO算法在电缆状态监测中的有效性,以及粒子群算法可应用于电缆故障分类和参数优化。