基于并行融合深度残差收缩网络的有源配电网故障诊断

针对含分布式电源的配电网故障呈现方式多样化以及故障诊断易受分布式电源类型、输出功率等非线性因素影响等问题,提出一种基于并行融合深度残差收缩网络(P-FDRSN)的故障诊断模型。首先,构建具有故障识别支路和故障定位支路的并行网络结构——P-FDRSN,在残差模块中引入收缩机制,减少网络中噪声或冗余信息的影响,提高网络对噪声的鲁棒性;其次,将故障录波信号波形幅值变化转换为灰度图和时频图,送入深度残差收缩网络进行深度特征提取并在汇聚层中将获取的特征进行融合,以增强故障录波信号的特征学习能力。仿真结果表明:在不同分布式电源类型和不同输出功率下,模型故障定位与识别精度均能保持在98.75%和97.25%以上,即使在噪声干扰的情况下,诊断准确率仍可保持在96.75%以上,模型具有较高的精度和较好的自适应性。

网格结构并行机上的扫描线消隐算法

给出网格结构并行机上的并行扫描线消隐算法，引入扫描线的度、逻辑扫描线和逻辑扫描区间等概念，解决了负载平衡，使任务划分和分配在各处理机之间保持平衡．各划分区域的扫描线是连续的，能保持各种相关性．

基于邻域粗糙集和并行神经网络的故障诊断

针对目前使用神经网络诊断故障时出现的输入向量选择困难、网络结构复杂、对并发故障诊断效果不好等问题,提出了基于邻域粗糙集和并行神经网络的故障诊断方法;先利用邻域粗糙集对初始征兆进行约简,留下有价值的征兆作为神经网络的输入向量,然后针对每种故障类型设计一个神经网络;用多个训练好的神经网络来并行诊断故障,综合每个神经网络的结果给出最终的诊断结论;用转子实验台的实验数据对这种故障诊断方法进行验证,结果显示该方法能优化神经网络结构,且神经网络具有训练速度快、诊断正确率高的特点。

基于ADSP-TS201的多DSP并行系统

介绍了一种基于ADSP TS201的多DSP并行系统设计与实现,以及其作为软件无线电平台的实际应用。重点分析了多DSP并行系统实现中的主要关键技术,即多DSP并行网络结构的设计、并行系统的控制管理软件的实现以及并行解调处理模块的任务分配。通过具体应用说明,该多DSP并行处理系统充分地体现了软件无线电的基本思想———模块化、扩展性和软件加载能力,作为软件无线电的通用硬件处理平台具备易修改、易维护的特点。

基于TS201的多DSP并行系统设计

本文介绍了一种基于TS201的多DSP并行系统设计与实现。本文重点分析了多DSP并行系统实现中硬件模块和软件模块的关键技术,即多DSP并行网络结构设计、数据总线设计、并行系统的系统软件实现以及并行信号处理模块的任务分配。实现结果表明,所设计的软件无线电系统具有很强的并行处理能力,能够满足高速信号的实时处理能力。

分布式并行雷达网的抗无人机目标检测模型

针对未来防空领域抗无人机的目标检测问题,描述了雷达组网分布式检测系统中的并行网络结构,对局部判决异步情况下的分布式检测进行了优化设计,并对各部雷达相同情况下的抗无人机目标检测性能进行了分析。仿真结果表明该方法能够大大提高无人机目标的检测概率。

基于金字塔知识的自蒸馏HRNet目标分割方法

知识蒸馏能有效地将教师网络的表征能力迁移到学生网络,无须改变网络结构即可提升网络的性能.因此,在性能优异的目标分割主干网HRNet(High-Resolution Net)中构建自蒸馏学习模型具有重要意义.针对HRNet并行结构中深层与浅层信息充分融合导致直接蒸馏难以实现的挑战,本文提出一种基于多尺度池化金字塔的结构化自蒸馏学习模型:在HRNet分支结构中引入多尺度池化金字塔表示模块,提升网络的知识表示和学习能力;构造“自上而下”和“一致性”两种蒸馏模式;融合交叉熵损失、KL(Kullback-Leibler)散度损失和结构化相似性损失进行自蒸馏学习.在四个包含显著性目标和伪装目标的分割数据集上的实验表明:本文模型在不增加资源开销的前提下,有效提升了网络的目标分割性能.

基于TS201的多DSP系统设计与实现

介绍了一种基于ADI公司TS201的多DSP并行系统的设计与实现方法,分析了几种常见的多DSP系统设计的优缺点,讨论了在多信号同步处理情况下,系统的软件管理和任务分配,从而给出了多路数据的实时分析和处理方法。