Research on A Master - slave Multi - microcomputers Control System for Hollow Spindle Fancy Yarn Spinning Machine

In this paper, a successfully studied and developed master - slave muld - microcomputers control system based on PC - BUS for hollow spindle fancy yarn spinning machine, mainly Its overall scheme, software and hardware construction, is introduced. Spinning experiments show that the system achieves satisfactory result. This system can solve the diftkultles of mechatronical fusion between domestic hollow splndk fancy yarn spuming muchine and its microcomputer control technology.

基于模糊多判据融合的单端暂态量保护新方案

针对现有单端暂态量保护方案仅依赖单一故障特征进行故障识别导致可靠性不高的问题,提出了一种基于模糊多判据融合的单端暂态量保护新方案,实现不同单端暂态量保护方案间的优势互补。首先,分析了现有基于高低频暂态能量比值、故障初始零模/线模电压行波到达时间差以及前两个线模电压行波极性关系3种单端暂态量保护方案保护判据的特性及其动作灵敏区,在此基础上构造了相应判据的模糊隶属度函数;其次,针对不同暂态量保护方案的优缺点,基于模糊逻辑将上述3种单端暂态量保护方案进行有机融合以判别故障区段;最后,基于PSCAD/EMTDC的大量仿真,对比分析了上述3种暂态量保护方案以及所提新方案在不同故障位置、不同母线杂散电容、不同过渡电阻以及不同权重系数等条件下的适应性,验证了新方案的有效性。

基于自适应密度聚类的多准则主动学习方法

主动学习能够以更少的标注成本训练出更好的机器学习模型。现有的RD算法与QBC算法的结合有效地解决了只考虑单一标准的问题。然而,RD所基于的K-means聚类会将离群点也包括在内进而造成模型性能降低,而QBC则需要维护于多个模型而间接返回样本的信息性.针对上述问题,本文提出了一种基于自适应密度聚类的高斯过程回归(ADC-GPR)算法,通过先聚类后直接利用不确定性进而高效选择样本。该算法中的ADC聚类不仅对离群点鲁棒,还能根据数据集分布特性自适应聚类,并为后续的AL提供了代表性样本点和其对应的簇,该方法在无监督选择时保证了代表性和多样性,在有监督选择时考虑了信息性、代表性和多样性。实验结果表明,在相同的抽样次数下将ADC-GPR算法与RS、KS以及RD-GPR算法相比,其平均性能分别提升了37.3%、8%和2.8%,ADC-GPR算法的选择效率更高。

基于改进证据理论的冲突证据融合方法

为解决证据理论中Dempster组合规则融合高度冲突证据效果不佳的问题,提出一种同时考虑证据重要性与可靠性的综合权重生成方法和基于加权复数基本概率分配函数的证据融合方法。以提高证据融合结果的收敛性能和诊断精度为目标,建立相应的优化证据融合模型。实验结果表明,所提方法能够有效识别并处理证据冲突,克服证据加权融合过程中剩余信度被完全抛弃的问题,获得更好的融合结果和更快的收敛速度,提高诊断精度。

基于加权BF-TOPSIS的多属性决策方法研究

BF-TOPSIS算法结合置信方程和TOPSIS算法,能够有效处理多属性决策问题。加权BF-TOPSIS(WBFTOPSIS)算法是对BF-TOPSIS算法的有效推广,保留了BF-TOPSIS算法的优越性。文章首先对BF-TOPSIS算法的归一化问题进行详细推理分析,并给出BBAs构造的一种新的证明。通过分析BF-TOPSIS算法BBAs构造的实际意义,提出WBF-TOPSIS算法,并给出加权系数的最优化表达式。BF-TOPSIS算法是WBF-TOPSIS算法的一种特殊情况。相比于BF-TOPSIS算法,WBF-TOPSIS算法能够做出更优的决策结果;最后算例分析验证了所提算法处理多属性决策问题的优越性性。

HULZNs环境下基于语义偏好参数的多准则群决策模型

针对语义分布不平衡环境下的语义偏好和决策信息的复杂性问题,为提高决策的准确性,提出了一个新型不平衡语言尺度函数.它可通过改变语义偏好参数来调节相邻语义之间的偏差,适用于不同的决策环境,并对相关性质进行了证明.在犹豫不确定语言型Z-numbers(hesitant uncertain linguistic Z-numbers,简称HULZNs)的环境下,定义了两个HULZNs之间的距离以及部分运算,建立了优先加权平均运算算子和一种新型多准则群决策模型.最后,对提出的新模型利用实例进行了分析,验证了方法的有效性和可行性.

基于模糊理论的多判据融合配电网故障选线研究

在处理配电网单相接地故障时,仅基于单一故障特征的选线方法具有局限性,难以应对日益复杂的配电网工况。因此在对配电网单相接地故障特征分析的基础上,利用模糊理论将具有互补性的集合经验模态分解法、零序有功功率法和电流五次谐波法进行智能融合,设计了一种多判据融合的故障选线方法,并在Matlab/Simulink中搭建配电网单相接地故障模型,进行仿真验证。结果表明:该算法充分发挥各选线方法的优势,能适用于配电网中性点不接地系统及中性点经消弧线圈接地系统,在故障初相角及过渡电阻改变的情况下,仍能保持正确的选线率。

多判据融合小电流单相接地故障选线方法研究与实验

小电流接地系统单相接地故障选线问题一直没有得到很好的解决,以往单一的选线方法有一定的局限性和适用性,并且故障选线时没有用到对选线有利的故障信息,选线的灵敏性及可靠性并不高。文中将优势互补的选线方法运用模糊理论智能融合,根据不同的选线方法利用对选线有利的故障数据,形成一种多判据融合的选线方法。实验室条件下搭建模拟电力系统,实验结果表明选线方法结果准确,能适用于各种单相接地故障的小电流接地系统。

像素级图像融合技术的研究与进展

详细介绍了像素级图像融合的原理,着重分析总结了目前常用的像素级图像融合的方法和质量评价标准,指出了像素级图像融合技术的最新进展,探讨了像素级图像融合技术的发展趋势。

基于直觉模糊集的单相接地故障综合选线方法

小电流接地系统单相接地故障的情况复杂,且影响接地选线准确性和可靠性的因素较多。为了更充分地利用故障的信息,弥补传统模糊综合选线方法不能完整表达故障选线全部信息的不足,提高选线的成功率,提出了基于直觉模糊信息集成的综合选线方法。首先根据接地故障零序电流的特征确定故障特征隶属度和非隶属度,然后依据接地故障类型确定综合选线法中各方法的权重系数,在此基础上建立了基于直觉模糊信息集成的综合选线方法模型,并在10 kV高压实验室进行了模拟单相接地故障实验,用MATLAB软件编程处理得到的故障录波数据,选线结果表明该方法能对各种类型的单相接地故障准确选线,并能克服单一选线方法造成误选的不足。

基于多传感器数据融合的温湿度监测系统

提出了一种改进的数据融合算法在多传感器温湿度监测系统中的应用,阐述了系统组成、融合算法和实现方法。该系统利用狄克松准则剔除粗大误差,再通过基于均值的递推估计算法,对采集的多传感器数据信息进行融合,利用Matlab软件将所得测试结果直观地显示出来。给出了硬件、软件设计方案和数据处理后的仿真结果。

基于多准则排序融合的证据组合方法

Dempster-Shafer证据理论在信息融合领域有着广泛而重要的应用,但传统Dempster证据组合规则往往会引发一系列反直观结果问题,如冲突悖论、信任偏移悖论以及证据吸收悖论等.针对这一问题,提出了一种基于多准则排序融合的证据组合新方法.该方法综合利用了证据精度、证据可信度以及证据自冲突程度等指标评价待组合证据体,并以选择性融合的方式获取最终的组合结果.仿真结果和相关分析表明,所提方法是合理有效的.

异构信息融合在风电设备状态多准则评价中的应用

针对风电企业中设备维护数据分散且知识结构互异,难以综合判断设备整体状况的问题,提出了基于本体的多源异构信息融合方法以实现设备健康状态的多准则评价。该方法将各数据源的知识以扩展公共本体的形式进行建模,构建全局查询的沟通机制;再基于多源异构的设备状态数据进行多准则评价,最后得到的量化评估结果可以反映设备的整体健康状态。此方法可以融合企业中多种形式的数据,对企业已有维护系统的干扰小,数据维护成本低,能为企业制定维护计划提供决策依据。

粒子群进化学习自适应双通道脉冲耦合神经网络图像融合方法研究

针对双通道脉冲耦合神经网络图像融合方法中参数选取不易确定之挑战,提出了一种基于进化学习的自适应双通道脉冲耦合图像融合方法.通过引入自适应学习能力的进化学习算法和构建新的优化目标对双通道脉冲耦合神经网络模型参数来进行优化,提出的新算法能够有效地找到双通道脉冲耦合神经网络模型的近似最优参数,克服了经典双通道脉冲耦合神经网络图像融合方法需要人工交互穷举尝试不同参数来获取较优参数之缺点.实验研究亦表明了上述优点.

基于多尺度融合技术的图像边缘检测

根据边缘检测离散准则,利用数值方法求出该准则下边缘检测的最优线性滤波器及对应的平滑算子,设计平滑滤波窗算子,将其与嵌入可信度方法相结合进行边缘检测;同时充分利用边缘信息的多尺度特性,根据小尺度下图像边缘细节信息丰富、边缘定位精度高,大尺度下图像边缘稳定、抗噪性好等特点,将检测到的多尺度边缘进行融合,得到精确的单像素宽边缘。实验结果表明,该方法不仅能准确检测出边缘图像,而且能有效地抑制噪声,是边缘检测的一种较好的实用方法。

基于多准则特征融合的自适应跟踪算法

针对现有基于多特征融合的跟踪算法在复杂环境下跟踪准确度不高,且大部分采用单一判定方式来实现多特征融合的问题,提出了一种综合判定的自适应多特征融合跟踪方法。首先引入局部背景信息加强对目标的描述,然后在多特征融合过程中利用多种判定准则计算特征权值,最后在均值漂移框架下完成对目标的跟踪。在各种场景下的实验结果比较表明:该融合算法比单种判定融合有更好的稳定性和鲁棒性,有效地提高了复杂环境下跟踪准确性。

基于小波分解的多窗口图像融合

提出了一种基于小波分解的多窗口图像融合方法,通过对不同分解层的图像采用不同大小的窗口进行处理,得到了较单窗口图像融合方法效果更佳的融合图像。

基于多进制小波变换及多维纹理特征的遥感影像融合方法(英文)

探讨了基于多进制小波变换与多维纹理特征融合相结合的遥感影像融合方法。在融合过程中,首先对高分辨率全色影像和多光谱影像进行多进制小波分解,再联合提取局部方差、局部梯度、局部能量和局部信息熵4维纹理特征,将高分辨率影像的高频分量分别与多光谱影像的高频分量以多维纹理特征进行多判据联合方法融合,形成新的高频分量,然后与多光谱影像的低频分量进行多进制小波逆变换,最后经RGB合成为彩色影像。试验选取淮南矿区SPOT10m与TM30m空间分辨率影像,从目视判读(定性评价)、地物光谱曲线分析、定量评价指标三方面对融合方法进行了评价。结果表明,该方法既保留了原影像的光谱信息,同时也改善了影像的清晰度和分辨率,利用融合后的影像进行矿区土地利用变化监测,效果明显提高。

像素级多传感器图像融合技术

随着图像传感器技术的发展,多传感器图像融合已成为图像理解、计算机视觉以及遥感领域中的一个研究热点,并广泛应用于自动目标识别、智能机器人、遥感、医学图像处理和制造业等领域.像素级多传感器图像融合获取的原始信息量最多、检测性能最好、应用范围最广,是各级图像融合的基础.详细介绍了像素级多传感器图像融合的原理,着重分析总结了常用的像素级多传感器图像融合的算法与质量评价标准,探讨了多传感器图像融合的应用与发展方向.

应用免疫策略的多传感器决策融合设计

使用基于改进型人工免疫策略的优化算法,在统计相关的观测条件下,对固定融合规则的基于奈曼-皮尔逊准则的分布式多传感器决策融合系统进行优化设计。算法首先以筛选算子进行预搜索缩小范围,然后使用人工免疫策略方法进行全局搜索,计算过程无须使用目标函数的导数信息。对分布式多传感器决策融合系统的优化设计结果表明,优化算法在收敛性和精度上均优于传统梯度算法,并在此基础上对不同信号期望值下的最优融合规则进行了讨论。