基于神经批采样的轮胎X光图像异常检测研究

轮胎缺陷检测对轮胎定级有重要参考意义,研究高性能的轮胎异常检测方法尤为重要。本文以强化学习算法为基础,提出一个以损失值异常变化作为判断异常特征的图像自动分类算法。该方法首先通过大量的正向样本输入来降低数据在经过梯度更新之后的损失值,从而与少量异常样本输入时的损失值形成明显差异,再引入神经批采样器,放大异常样本与正向样本之间的损失轮廓差异并为空间变分编码器提供训练批次,然后将训练结果作为异常分类器的输入,最后完成异常检测的分类与定位工作,经过对比研究发现本文提出的异常检测算法在轮胎缺陷样本集上性能明显优于其他传统图像异常检测方法。

基于深度学习的多模型融合图像智能检测方法研究

传统的Faster R-CNN定位算法中应用的是通过最近邻插值算法进行插值的RoiPooling,对于小缺陷的识别效果不佳,本文将其改进为使用双线性插值算法的RoiAlign,提高了轮胎异常检测的精确度。针对传统的轮胎缺陷样本检测面临特征提取困难的问题,通过将ResNet和DenseNet两个网络模型进行融合搭建起的RSDC-Net网络模型,提高了网络的泛化、感知能力,增强了特征提取能力,而且将该网络应用于深度学习的可解释性研究中,实现了深度学习的可视化。目前神经元分类的研究领域还有很大空缺,所以为了针对敏感区域图像结果进行潜层的神经元分类研究,本文设计出双卷积门限循环神经网络来作为网络模型来完成神经元的分类研究,该网络模型在4种模型对比实验中表现最佳。

基于果蝇优化算法的反馈控制型直流稳压电源研究

针对目前精密直流电源领域存在的调整精度低、结构复杂和输出直流电不纯的问题,本文提出以STM32单片机为核心控制器,最终实现输出精稳的12V和5V直流电源的方法。该方法首先通过变压器将220V交流电压变换到48V,并通过整流桥后经过两个Buck电路进行斩波;然后使用PID实现对PWM输出波形状态的控制,其中PID的各项参数使用果蝇优化算法(FOA)进行优化;最后对传统的PID算法与果蝇优化算法进行动态特性负载突增和负载突降对比实验,实验结果证明了本文所提方法的有效性。

双馈风机经VSC-HVDC并网的调频控制策略

双馈风电机组(DFIG)没有主动调频能力,且在柔性直流输电(VSC-HVDC)并网方式中,风电场两侧交流系统具有解耦特性,该特性难以适用于传统的电网调频方法。本文采用下垂控制和虚拟惯性控制相互结合的方式,设计一种频率控制策略,当电网因功率不平衡而发生频率变化时,能够额外补偿一个与频率变化成正比的功率,且VSC-HVDC的直流电压也能相应发生变化,使得保存在直流电容上的电能迅速改变,并以电压值作为信号向风电场传递,使风机改变转速,提高电网频率适应性。仿真结果表明,提出的频率控制策略能有效改善电网频率稳定性。