光照变化条件下基于深度学习的人脸轮廓识别

在光照不均匀变化条件下难以精准区分人脸轮廓,导致人脸识别精度较低,因此提出光照变化条件下基于深度学习的人脸轮廓识别方法。在光照变化条件下,采集人脸轮廓三维图像信息。使用深度学习方法提取人脸轮廓特征,计算训练集字典稀疏程度,完成人脸轮廓输入数据学习与训练。引入二阶梯度信息,进行人脸轮廓频谱匹配。使用高斯统计去除离群点,区分光线和人脸轮廓,获取完整人脸轮廓。实验结果表明,在不同光照条件下,该方法的最高人脸轮廓识别精度为96%,因此说明该方法具有较高的识别精度。

多双馈风机变换器控制参数整定

为求解使电力系统稳定运行的全风况多双馈风机(doubly fed induction generator,DFIG)并网变换器控制参数,建立多DFIG并网全风况时的小信号模型,采用李雅普诺夫线性化方法,推导出全风况多DFIG并网的小信号稳定分析特征方程,提出全风况系统小信号稳定的变换器控制参数整定粒子群优化(particle swarm optimization,PSO)算法,分析变换器控制参数对电力系统小信号稳定性的影响。算例及仿真结果表明:全风况多DFIG接入电网时,其变换器控制参数对电力系统小信号稳定特性的影响与全风况单台DFIG并网具有明显差异;采用PSO算法可获取全风况多DFIG并网时电网小信号稳定的变换器控制参数。