基于电压行波陡度的柔性直流送出线路快速保护方案

柔性直流技术在灵活解决高比例新能源消纳的问题上具有革命性意义。针对传统线路保护已不能可靠适应柔性直流送出系统高比例电力电子设备脆弱性、故障信息提取难等问题,文中提出一种基于电压行波陡度的柔性直流送出线路快速保护方案。通过分析直流线路故障暂态特性,利用限流电抗器两侧故障电压行波陡度与极性的不同,增加了有效暂态信息量提取范围,实现区内外故障识别;利用故障极与健全极的电压行波变化程度存在明显差异,判别故障类型;同时考虑了雷击干扰并利用其初始变化特性提出了快速识别方法。最后通过仿真验证了该保护方案在各种影响因素下的性能,可以快速可靠地识别故障,具有良好的灵敏性和抗干扰能力。

基于深度学习的无人驾驶关键技术的研究

近年来,无人驾驶领域快速发展,具有广泛的应用价值。本文论述了无人驾驶技术中的关键部分,采用多种模型进行路况信息提取和处理,介绍了卷积神经网络和MobileNet模型,配合TensorFlow框架来实现无人驾驶的深度学习。通过实验证实,该系统具有较好的适应性,在一定程度上满足了无人驾驶汽车的要求。

基于图像识别的仿生机械臂研究

该款仿生机械臂基于Google人工智能系统TensorFlow的深度学习开发平台,采用Inception_v3模型,并结合神经网络算法与PID控制理论技术对物体进行更高精度的识别与抓取。平台通过摄像头读取物体运动状态目标点,由神经网络生成期望轨迹,并添加递归神经网络优化抓取行为,可精准识别人体手势运动的情况并得出手势运动数据,在搭建通信网络,将手势运动数据远程传输到机械臂控制器,结合机械臂运动控制算法,使机械臂完成相应的人体手势仿生动作。实验结果表明,训练好的模型在识别手势图像时具有非常好的鲁棒性。仿生机械臂具有智能化、精度高、便于操作的优势,可代替人类来完成特定工作,更能满足信息化时代发展的需要。

基于信息融合的无人驾驶图像数据处理方法

在无人驾驶领域的研究中,激光雷达和图像识别始终是支撑兵収展的两大热点。本研究利用MobileNet神经网络结合加速器对摄像头图像迚行处理,再针对激光雷达的云点数据采用聚类分析的斱法迚行处理,最终将云点数据与图像数据迚行叠加生成深度信息,完成对障碍物的识别。