基于改进的广义K-L变换的掌纹识别

提出了一种基于改进的广义K-L变换的掌纹识别方法.在主成分分析思想的基础上,改进后的广义K-L变换把样本的类间信息也加入到算法的分类过程中,相对于广义K-L变换,识别效果得到了提高.将原始图像投影到一个由图像的类间散布矩阵的特征向量所构成较低维的特征子空间中,在这个特征子空间中,用欧式距离来对分属于不同手掌的掌纹图像进行分类.基于不同的特征长度和训练样本数,做了一系列的实验,最佳识别率达99 17%.

人工智能赋能全科医生继续教育改革的研究

我国的全科医学继续教育在大力发展中取得了一定成效,但与国际平均水平仍有差距。应用人工智能(artificial intelligence,AI)为全科医生的继续教育带来了新的机遇和可能。人工智能为载体的教育培训模式能够提高基层全科医生的诊疗水平,并为解决现有问题提供新的答案。通过人工智能,全科医生可以更便捷地获取专业知识和最新医学进展,提升专业水平和技能。应用该教育培训模式可以提高医疗系统的效率,改善医疗资源分配不均衡。制定政策和规范,建立健全的继续教育体系,确保全科医生继续教育有效运行和发展。全科医生继续教育同时面临挑战,如保证教育内容质量和可靠性,适应新兴技术和需求等。借助互联网+和人工智能的发展,我国全科医生继续教育有新的机遇和发展空间,能进一步提升全科医生的专业素养和技能水平,为全科医学培训进步做出贡献。

考虑噪声影响的柴油发电机组并联运行自动化监控系统

设计考虑噪声影响的柴油发电机组并联运行自动化监控系统,实时监控柴油发电机组并联运行状态,确保其安全稳定运行。采集柴油发电机组并联运行状态数据,广义S变换的时频滤波算法合理去除所采状态数据噪声后,改进随机森林算法的故障感知与预测方法监测柴油发电机组并联运行状态,并将监测结果以及监控画面合理呈现于远程监控终端,供用户查看。实验结果表明,该系统可有效监控柴油发电机组并联运行状态,数据去噪效果较好,将其应用于实际工作,可获得较为理想的柴油发电机组并联运行自动化监控效果。

思想政治教育数字化变革的生成逻辑、现实困境及优化之路

数字技术的发展催生了思想政治教育的数字化变革。通过梳理马克思主义理论中蕴含的技术思想、数字技术和思想政治教育的相互关系,厘清思想政治教育数字化变革的生成逻辑。然而,思想政治教育的数字化变革仍面临着建设资源存在局限性、监管体系缺失、思想政治教育工作者数字化理念滞后等现实困境。要从数字资源保障、数字素养和技能、数字治理体系等方面对当前的思想政治教育数字化变革进行优化,以实现思想政治教育的数字化和智能化,赋能其在新时代的高质量发展。

基于Hough变换的圆检测方法

总结了圆检测的几种常用方法,如经典HT、随机HT和广义HT。结合几种方法的优缺点,提出了一种基于经典HT的改进Hough变换圆检测方法。该方法先对图像进行预处理,如灰度化、去噪滤波、边缘检测以及运用数学形态学等,然后进行Hough变换。其主要思想是用多维数组来代替经典的循环过程。把Hough变换应用到织物防水性能自动测试的真实图像中,通过对经典Hough变换与改进后的Hough变换的比较,可以看出检测速度有所提高,检测精度也达到了令人满意的程度。

基于改进的广义S变换求取地层品质因子Q值

地层的品质因子Q值对衡量地震波传播过程中的能量衰减以及地震资料的处理、解释有重要意义。在实际生产中求取品质因子最实用的方法是频谱比法,但传统的频谱比法面临时窗选取等问题。本文利用改进的广义S变换时频特性及与傅里叶谱相联系的特性,提取地层上、下界面对应的瞬时频谱,并通过拟合振幅比与频率的关系得到地层的品质因子Q值。数值模拟及实际资料处理均证明了该方法的有效性。

基于广义S变换地震高分辨率处理方法的改进及在流花11-1油田的应用

相比较早的小波变换和傅氏变换,广义S变换具有更好的时频局部性,但也存在低频信息易损失、弱反射层易丢失等问题。对基于广义S变换的地震高分辨率处理方法进行了改进,提出了新的处理思路。这种基于广义S变换的高分辨率处理技术,在提取并补偿高频信号的同时,也对低频信号进行了有效的保持。该项技术在流花11-1油田取得了良好的应用效果。

基于改进Karrenbauer变换的有源配电网故障定位新方法

分布式电源DG(distributed generation)并网后,配电网变为两端/多端电源网络,传统基于单向潮流的故障定位方法不再适用,为此提出一种基于改进Karrenbauer变换的有源配电网故障定位新方法。首先针对因配电网不换位造成参数阻抗矩阵中心对称的特点,对阻抗矩阵进行标准Karrenbauer变换增加矩阵的稀疏性;在此基础上,对初步变换矩阵做进一步对角化处理获取修正矩阵,进而得到可实现不换位配电网三相高精度解耦的相模变换矩阵,即改进Karrenbauer矩阵。通过分析相模变换后α模故障附加电流相角差,推导出有源配电网区段故障定位的判据。通过算例分析验证了所提方案可以实现故障区段的准确定位,解决了线路参数不对称对配电网故障定位精度的影响。

基于高频补偿方法提高地震资料分辨率的初步研究

由于地下介质的吸收衰减作用,地震波在传播的过程中高频衰减,造成地震资料的分辨率下降.高频补偿是提高地震资料分辨率的重要手段.本文总结了目前比较成熟的四种高频补偿方法:谱白化、反Q滤波、多尺度联合分析和时频分析方法,概括分析了这些方法在应用中的优点和不足.其中时频分析方法中的改进广义S变换高频补偿方法通过提取得到的衰减因子对时频振幅谱加权补偿,得到深浅层能量分布相同、频谱范围相同的高分辨率地震资料,由于它采用时窗宽度随频率呈正比例变化的高斯窗函数,满足高频补偿时高频成分具有高分辨率的要求,因此该方法能很好地补偿高频衰减.

基于时频谱模拟的时变混合相位子波提取

为解决地层衰减作用造成传统子波提取方法提取结果不准确的问题,提出一种基于时频谱模拟的时变混合相位子波提取方法。该方法在对非平稳地震记录进行改进的广义S变换的基础上,首次引入时频滤波处理,然后采用谱模拟方法估计每一时刻的子波振幅谱,在子波相位时不变假设下采用高阶累积量的双谱法重构子波的混合相位谱,最后将振幅谱和相位谱结合实现时变混合相位子波的提取。与常规分段提取方法相比,该方法不需要子波分段平稳的假设,当相邻层段子波属性存在较大变化时也能准确估计出时变子波。理论分析和仿真实验结果表明,该方法有效可行。

基于时频域谱模拟的时变子波估计方法

为解决地层衰减作用造成传统子波提取方法提取结果不准确的问题,提出了一种基于时频谱模拟的时变子波估计方法。首先对非平稳地震记录进行改进的广义S变换后再作时频滤波处理,然后采用谱模拟方法从处理后的地震记录时频谱中拟合出每一时刻的子波振幅谱,最后通过反傅里叶变换得到时域子波,从而实现时变子波的精确提取。与常规分段提取时变子波方法相比,该方法不需要子波分段平稳的假设,当相邻层段子波属性存在较大变化时也能准确估计出时变子波。理论分析和模型试算结果表明,该方法在提取时变子波并用于提高地震资料分辨率方面具有一定的可行性和有效性。

基于T-ψ有限元法的多目标函数变压器优化设计

随着电网容量和电压等级的不断提高,用户对电力变压器优化设计提出了更高的要求,该文基于矢量电位-标量磁位(T-ψ)有限元法(FEM)对变压器拓扑结构进行多目标函数优化设计,旨在提高变压器性能、降低制造成本。变压器设计涉及多参量多目标函数,故采用改进型广义差分进化算法(GED3)实现快速全局寻优。由于每个优选案例都需要采用有限元法对变压器性能参数进行验证,花费时间较长。为了减少变压器仿真验证所需时间,故在保证精度的前提下,寻优过程中采用较粗网格,待最优案例确定后,采用密网格与有限元法相结合对变压器各项性能参数加以对比验证分析。挑选最优案例与未优化变压器各项参数进行对比,优化后的变压器铜损降低4.5%,铁损增加0.81%,但总损耗降低3.62%,制造成本降低3.89%。且在采用粗细网格下,无载损耗误差为0.825%,为工程应用中可接受范围,验证了该文方法的正确性,且该方法可应用于其他电工装备优化设计中。

基于改进的小波变换的南极冰盖冻融探测

小波变换模型算法中的双高斯模型拟合干湿雪分类的最优阈值时,受初始值影响且典型样本区的选取比较费时,针对这些缺点提出了自动阈值分割的改进的小波变换算法,即用广义高斯模型自动拟合干湿雪分类的最优阈值.该算法继承和发展了冰盖冻融探测无需依赖于实测数据的优点,更好地实现了南极地区冰盖冻融监测系统建设的业务化运行目标.通过对改进前后的结果对比分析表明:改进后的方法与原方法相比,不仅提高了冰盖冻融探测方法的计算效率、实用性和可操作性,而且还在一定程度上提高了冰盖冻融探测的精度.

改进小波结合BP网络的风力发电机故障诊断

针对风力发电机早期故障时定子电流特征量难以提取的问题,提出了单子带重构改进小波变换结合BP神经网络的风力发电机故障诊断新方法。通过对风力发电机的定子电流进行单子带重构改进小波变换,消除了传统小波变换中的频率混叠现象;从小波变换后的子带信号中选取特征域、提取特征量作为BP神经网络的输入;在此基础上,结合BP神经网络的输入输出非线性映射能力,完成对故障的诊断和定位。经过仿真实验证实,该方法准确地实现了对风力发电机故障的诊断。

广义S变换在背景噪声数据处理中的应用

广义S变换解决了标准S变换中基本小波形态固定的缺陷,在分析非平稳信号时能更好地刻画其时频特性。编写广义S变换的计算程序,并用它对地震背景噪声数据进行去噪处理。结果显示:广义S变换处理过的数据信噪比大大提高,可以为数据反演提供更精确的数据。

采用AADL的软件系统可靠性建模与评估方法

结构分析与设计语言(architecture analysis and design language,AADL)是应用于嵌入式领域的体系结构建模、分析和验证的重要手段。针对系统可靠性随着其规模、复杂度和性能需求的不断提升而愈显突出的问题,给出了一个基于AADL的软件系统可靠性建模与评估框架:首先建立AADL可靠性模型,然后将其转换为广义随机Petri网(generalized stochastic Petri net,GSPN)模型后再进行分析,最后根据分析结果判断是否需要进行模型改进。在研究已有的基本转换规则的基础上,重点讨论了系统中组件之间错误传播以及表示系统发生模式转换的Guard_Transition属性到GSPN的转换规则。以某飞行控制系统中数据发送和处理单元为实例,验证了所提转换规则和可靠性建模与评估框架的有效性。

第2代小波变换算法的改进及应用

在阐述第2代小波变换基本原理及特点的基础上,将最优插值估计引入到预测器设计中,提出了第2代小波变换算法的改进算法。为了验证改进算法的效果,本文将它应用到信号的去噪处理中,并将其去噪效果与第2代小波变换的去噪效果和传统小波变换的去噪效果进行了比较,结果表明,用第2代小波变换改进算法去噪具有更好的性能。

大庆油田热电厂发电机主变压器保护存在的主要问题及解决方案

论述发电机主变压器保护存在的保护设计不完善、继电器原理有缺陷、调试维护量大、设备老化的问题,根据《"防止电力生产重大事故的二十五项重点要求"继电保护实施细则》的要求,提出对发电机主变压器保护进行改造的方案。

多扰动电能质量检测方法的研究

针对电能质量中扰动类型复杂、频率成分不确定的特点,采用改进希尔伯特-黄变换(HHT)和广义S变换相结合的方法进行检测。选取谐波和电压暂降的混合扰动作为目标信号,采用改进的HHT进行集合经验模态分解(EEMD),提取各频率成分即得到固有模态函数集合(IMF),确定基本组成;将各层IMF进行快速改进S变换(广义S变换),得到精确信息。试验结果表明,HHT和广义S变换相结合的方法所测得的多扰动电能检测精度更高。

基于SOFM神经网络的变压器故障诊断研究

SOFM神经网络具有强大的非线性映射能力和高度的自组织和自学习能力,将SOFM神经网络应用于变压器的故障诊断.利用改进的罗杰斯三比值法获取变压器故障诊断的特征向量,建立了SOFM网络故障诊断模型,并对模型进行训练.为了检验模型的实际诊断能力,以变压器的4种典型故障诊断为例进行仿真实验.仿真结果表明:SOFM神经网络能够根据获胜神经元在竞争层的位置对变压器故障进行判断,诊断准确率高,收敛速度快,泛化能力强,表明基于SOFM网络的变压器的故障诊断是一种行之有效的方法.