基于交补集和Pignistic变换的证据组合方法

针对D-S证据组合公式及其改进公式的局限性,提出一种基于交补集权重和Pignistic概率变换的改进组合方法。基于交补集理论推导出新的基本概率分配函数,对交补集权重因子进行量化,得到基于交补集权重的证据组合公式,利用Pignistic概率变换法对已获得的各命题的信度值进行重新分配,以降低组合顺序对合成结果的影响,同时可获得更可靠的决策依据。实例分析结果表明,与其他改进方法相比,该组合方法在解决冲突证据、一票否决、鲁棒性、公平性和决策有效性等方面均有明显的优势。

基于Pignistic概率距离的证据源组合新方法

DS理论在决策级信息融合中有广泛应用。针对DS理论进行证据源组合时可能导致的“一票否决”和“信任偏移”问题,以及证据源内焦元间的关联和冲突问题,提出了一种有效处理冲突证据源的组合方法。新方法用自冲突和互冲突来描述证据源组合中的全局冲突,在Pignistic概率距离基础上给出基于退火自适应变异算法的自冲突修正方法,然后根据Pignistic相似度提出互冲突的修正方法,最后运用DST组合规则得到识别结果。仿真算例验证了所提方法的合理有效性。

基于Hough变换和深度学习的条形码识别

为了解决复杂背景下条形码不易定位识别的难题,提出一种基于Hough变换和深度学习相结合的方法对条形码进行校正定位。首先对待检测图像进行灰度化、高斯模糊以及边缘检测等预处理;然后利用Hough变换检测条形码图像中的线段,进行旋转校正,校正后的图像经Yolov5对条形码进行识别和提取,完成条形码的识别分割。文中方法对不同样式条形码均有较好的识别效果,旋转校正的精确度达到99.31%,识别平均精确度达到99.40%,召回率达到99.79%,推理时间为10.5 ms。提出的方法可对任意角度倾斜进行校正,识别条码具有较高的准确率,对条形码定位识别具有一定的应用价值。

基于pignistic概率距离的改进证据组合规则

针对使用传统冲突系数识别证据冲突存在的不足,采用pignistic变换后得到的概率赋值函数之间的距离,结合传统冲突量化标准,讨论了Dempster组合规则适用条件,并提出了一种改进的证据组合方法.该方法通过证据之间的pignistic概率距离表示证据之间的冲突程度,将证据间的冲突程度转化成相似程度,然后求出证据之间的支持程度,并确定权重系数,最后采用Demp-ster组合规则合成权重系数调整后的基本概率赋值.数值算例分析结果表明,改进的证据组合方法可以有效地处理证据冲突,且具有较快的收敛速度.

Pignistic概率转换算法设计

对Pignistic概率转换方法进行了分析,并提出了几种新的基于Pignistic概率的转换方法。实验表明,该文提出的转换方法可获得更好的性能评价,能有效利用现有信息扩大各命题之间的信度差异,在不提高决策风险的前提下,使满足决策阈值的命题数降至最少,更有利于系统的最终决策。

一种基于Pignistic概率距离的合成公式

针对多证据源信息融合过程中证据源间存在的冲突问题,提出了一种基于Pignistic概率距离的合成公式。利用Pignistic概率距离构造证据可信度;再利用证据可信度修正证据体,以改进合成公式;利用改进的合成公式对证据源进行融合。算例结果表明,改进合成公式的融合结果合理有效,与其他方法相比有更好的适用性、可靠性和较快的运算速度。

结合冲突系数K与pignistic概率距离的冲突度量方法

针对经典证据理论中,冲突系数K不能有效地度量证据之间的冲突程度的问题,提出了一种新的证据冲突表示方法,通过引入pignistic概率距离,将pignistic概率距离和冲突系数K看成平面直角坐标系上的一点,通过计算这个点到坐标原点的距离,以此作为衡量证据间冲突程度的标准;针对新的冲突度量方法,提出了一种改进的证据合成算法,将新的冲突系数作为修正因子,证据冲突时对合成结果进行修正,证据不冲突时采用D-S合成规则进行合成。实例及仿真验证了新冲突度量算法和改进合成算法收敛速度显著快于对比算法。

基于Pignistic相似度与改进DS证据理论的综合评估方法

针对标准的Dempster-Shafer(DS)证据理论在证据冲突情况下决策准确率低与评估稳定性差的问题,提出一种基于Pignistic相似度与改进DS证据理论的综合评估方法。由Pignistic概率转换求得各类证据的相似度,计算对应的支持度与自适应权重,引入不确定命题推导出改进的证据合成规则。结合某航道实际通航状况进行算例分析,验证该方法的有效性与可靠性。分析结果表明,所提出的方法能正确处理不确定性条件下证据之间的冲突并能给出稳定决策结果。

一种基于“交并集”和Pignistic概率的证据冲突的改进方法

针对D-S证据理论无法解决高冲突证据的缺陷,通过对现有几种证据冲突的改进方法进行分析,提出了基于“交并集”和Pignistic概率的改进方法。本文放宽D-S组合规则的假设,只要求证据在组合时至少有一条是真实的,如果证据A和B相互支持,说明它们都是真实的,可以用“交集”运算将证据的信度聚焦在它们的交集上;如果证据A和B相互冲突,表明不知道哪一条证据是真实的,则用“并集”运算将信度聚焦在它们的并集上,即证据支持A或B中的一个,这种思路更符合人类的直觉。由于在目标识别系统中,最终决策是单个待识目标,因此以还要用Pignistic概率转换法将多元素命题的BPA再分配给它的各个组合元素,最后,信度最高的元素作为结果进行输出。实验表明,本文方法在解决证据冲突方面较其他方法拥有明显的优势。使用本文方法时,证据的融合顺序对融合结果没有影响,因此可以很方便地编程实现。

基于幂Pignistic概率距离的加权证据组合方法

针对现有的相似性/相异性测度在量化证据冲突时存在的不足,定义一种新的被称为幂Pignistic概率距离的相异性测度,并提出基于幂Pignistic概率距离的加权证据组合方法。该方法通过幂Pignistic概率距离量化两证据之间的冲突程度,然后建立相似性矩阵并求得各证据的可信度,再用加权平均法修正证据,最后利用Dempster规则进行组合。数值算例的结果表明,所提方法是合理有效的。

基于冲突系数和pignistic概率距离的改进证据组合方法

针对单一使用冲突系数描述证据冲突存在的不足,从冲突系数和pignistic概率距离2个组合元素的角度出发,在冲突系数和pignistic概率距离形成的平面直角坐标系中,通过计算证据源对应的点到直线的距离表征证据之间的冲突,将冲突信息转换为支持信息,通过权重系数修正证据源,采用Dempster组合规则合成。通过算例分析和对比,证明了改进证据组合方法的可行性和优越性。

一种基于耦合电感的高增益软开关谐振变换器

该文提出了一种具有高增益、软开关的新型谐振变换器。该谐振变换器使用耦合电感来提高电压增益,升压比不仅取决于占空比,还取决于耦合电感的变比,具有高增益的优点。此外,由于采用了有源钳位技术,漏感中的能量可以被回收利用,用来对开关管的结电容充放电提供能量,从而实现软开关。由于采用了耦合电感,所提出的变换器可以在较低的开关管电压应力的情况下实现较高的输出电压,因此可以使用低导通电阻的低压器件,从而提升系统的效率。该文分析了该谐振变换器的工作原理,并推导了输出电压、关断电流应力等参数的解析表达式。在此基础上,从理论上分析了该变换器取得软开关的条件,并对该变换器的各个器件的电压电流应力进行分析,为器件选型提供了理论依据。最后,搭建1kW实验样机,针对该文提出的基于耦合电感的谐振变换器的高增益、软开关、低电压应力、高效率等性能进行了实验验证。通过实验得出所提出的拓扑可以在10倍增益的情况下达到最高97.5%的效率,表明所提拓扑的优越性。

基于Pignistic概率转换和奇异值分解的证据冲突度量方法

针对常见证据冲突度量方法适应性差、准确性低的问题,提出了一种基于Pignistic概率转换和奇异值分解的证据冲突度量方法。首先通过Pignistic概率转换将证据焦元差异映射到信度差异上,构建证据复合信任函数矩阵。然后采用奇异值分解的方法提取矩阵特征,根据奇异值特性将矩阵特征空间划分为相似子空间和冲突子空间,综合考虑证据矩阵相似特性和冲突特性,将冲突子空间奇异值与相似子空间奇异值之比作为新的冲突度量因子。最后在全冲突场景、变信度场景、变焦元场景、焦元嵌套场景等多种证据冲突场景下将所提方法与常见方法进行了对比分析,结果表明所提方法具有适应性广、准确性高、稳定性好的特点。

基于多特征SAD-Census变换的立体匹配算法

视差不连续区域和重复纹理区域的误匹配率高一直是影响双目立体匹配测量精度的主要问题,为此,本文提出一种基于多特征融合的立体匹配算法。首先,在代价计算阶段,通过高斯加权法赋予邻域像素点的权值,从而优化绝对差之和(Sum of Absolute Differences,SAD)算法的计算精度。接着,基于Census变换改进二进制链码方式,将邻域内像素的平均灰度值与梯度图像的灰度均值相融合,进而建立左右图像对应点的判断依据并优化其编码长度。然后,构建基于十字交叉法与改进的引导滤波器相融合的聚合方法,从而实现视差值再分配,以降低误匹配率。最后,通过赢家通吃(Winner Take All,WTA)算法获取初始视差,并采用左右一致性检测方法及亚像素法提高匹配精度,从而获取最终的视差结果。实验结果表明,在Middlebury数据集的测试中,所提SAD-Census算法的平均非遮挡区域和全部区域的误匹配率为分别为2.67%和5.69%,测量200~900 mm距离的平均误差小于2%;而实际三维测量的最大误差为1.5%。实验结果检验了所提算法的有效性和可靠性。

基于自适应小波变换与HHT的混合储能容量配置

混合储能系统能有效缓解风电输出功率强波动性与随机性造成电网频率不稳定问题。本文以蓄电池和超级电容组成的混合储能系统为研究对象,提出了一种混合储能容量配置方法。该方法首先采用自适应小波变换对风电输出功率进行功率一次分配,得到满足条件的并网功率和储能功率。然后采用HHT变换对储能功率进行分解,得到一系列波动功率分量以及各分量的瞬时频率。再根据瞬时频率确定分界频率,将高于分界频率的功率分量分配给超级电容,剩余的功率分量分配给蓄电池。最后根据蓄电池与超级电容各自的储能功率,对储能系统的额定容量与额定功率进行配置。该仿真结果表明,本文采用自适应小波变换与HHT变换能够有效地将风电输出功率进行分解,实现风电输出功率的平抑与混合储能系统的容量与功率配置。

基于连续小波变换的黑北凹地砂砾储卤层沉积特征研究

柴达木盆地西部中深层“砂砾型”钾盐储卤层与沉积水体变化息息相关,高密度网状二维地震资料包含的频率信息,有助于识别发育砂砾储卤层的沉积环境,为深层富钾卤水储层研究提供支撑。采用连续小波变换时频分析技术将地震信号从一维的时间域拓展到二维的时间-频率域上,能够在频谱中更清晰地刻画沉积体内部岩性组合的旋回结构特征。基于正演数据和实际钻井数据,总结了低水位体系域、水进体系域、高水位体系域和水退体系域层序框架下,沉积体的地震时频谱旋回响应特征:低水位体系域的时频谱能量主要聚集在低频,高水体系域的时频谱能量主要聚集在高频,水进体系域的时频谱能量随时间减小向高频方向移动,水退体系域的时频谱能量随时间减小向低频方向移动,指出35 Hz是划分有利沉积旋回——水退体系域末期、低水位体系域和水进体系域初期的频率阈值。选择合适频率区间重构地震数据能突出弱振幅砂砾层的反射特征,结合全频带数据有助于快速识别有利沉积旋回,为寻找砂砾型深层卤水钾矿提供依据。

三相CLLC谐振变换器磁集成平面变压器设计与优化

三相CLLC谐振变换器凭借其高效率、大容量、低器件应力等优势而受到广泛关注。然而,多相结构的磁性元件数量多、体积大,是制约功率变换器尺寸的主要因素。随着宽禁带(WBG)半导体器件的出现,功率变换器的开关频率显著提高,这也为印制电路板(PCB)绕组的使用提供了有利条件。与传统绕线式绕组相比,PCB绕组的扁平特性更适用于平面磁性元件。此外,由于高频带来的低电感需求也使得基于PCB绕组的平面磁性元件更有利于实现集成。该文提出一种新型的基于PCB绕组的电感和变压器的集成结构,详细分析磁心结构的磁路模型,并给出集成磁件的优化设计方法,最后通过搭建一台基于SiC器件的800 V/10 kW的实验样机进行验证。实验结果表明,该集成方案可有效减小变换器的体积和损耗,具有高功率密度和高效率。

跟网型变换器的小扰动同步稳定机理分析与致稳控制

弱电网下,跟网型变换器易出现因阻尼不足导致的小扰动同步失稳问题。为此,该文借鉴复转矩分析理论,计及复杂控制耦合,建立跟网型变换器的复转矩模型。量化多环控制耦合、线路阻抗、控制参数等因素对系统阻尼转矩的影响,从阻尼的角度揭示跟网型变换器的小扰动同步失稳机理。根据理论分析,提出一种基于相位补偿的锁相环阻尼重塑控制策略,通过补偿多环控制耦合引入的负阻尼,增强变换器的小扰动同步稳定性。最后,开展相应的仿真与实验,验证理论分析的正确性与改进控制策略的有效性。

基于短时傅里叶变换和深度网络的模块化多电平换流器子模块IGBT开路故障诊断

针对现有模块化多电平换流器(MMC)子模块故障诊断过程中所需传感器较多、测量干扰较大等问题,提出一种基于深度学习的MMC子模块IGBT开路故障诊断方法。在对MMC子模块开路故障特征进行分析的基础上,利用短时傅里叶变换(STFT)提取桥臂电压信号的谐波分量信息作为故障诊断所需的特征参数。将所得到的特征参数进行处理后构建故障诊断样本,在通过深度置信网络实现故障类型快速检测的基础上,依据不同故障类型,构建多个基于卷积神经网络的故障定位网络,进而实现开路故障的检测与定位。通过129电平的MMC系统仿真模型和降功率的MMC实验系统搭建,对该文所提方法进行了验证。仿真和实验结果表明,所提故障诊断方法可以在减少传感器数量的基础上实现子模块开路故障的诊断,提高系统的可靠性。

基于小波散射变换和MFCC的双特征语音情感识别融合算法

为了充分挖掘语音信号频谱包含的情感信息以提高语音情感识别的准确性,提出了一种基于小波散射变换和梅尔频率倒谱系数(Mel-frequency cepstral coefficient,MFCC)的排列熵加权和偏差调整规则的语音情感识别融合算法(PEW-BAR)。算法首先获取语音信号的小波散射特征和梅尔频率倒谱系数的相关特征;然后按尺度维度扩展小波散射特征,利用支持向量机得到情感识别的后验概率并获得排列熵,并使用排列熵对后验概率进行加权;最后采用一种偏差调整规则进一步融合MFCC的相关特征的识别结果。实验结果表明,在EMODB、RAVDESS和eNTERFACE05数据集上,与传统的基于小波散射系数的语音情感识别方法相比,该算法将ACC分别提高了2.82%、2.85%和5.92%,将UAR分别提升了3.40%、2.87%和5.80%,IEMOCAP上提高了6.89%。