采用改进联合正态变换法的随机潮流计算

为了对随机潮流计算时电力系统中的相关性因素进行建模,提出了一种改进的联合正态变换(JNT)法。首先,介绍了传统JNT法的基本步骤,分析了JNT法建模时能够保持相关性结构不变的原因。然后,介于核心部分在于将正交变换引入到传统JNT法中,根据JNT法以正态分布为基础这一特性,提出了一种改进JNT法以提高采样效率,并将该采样法与蒙特卡洛法相结合计算系统随机潮流。最后,利用IEEE 30节点网络设计了算例,分别验证了所提出的改进JNT法和随机潮流算法的可行性。

基于Kinect传感器的移动机器人室内三维环境创建

针对移动服务机器人需要感知室内工作环境问题,提出了一种基于低成本Kinect传感器的三维环境创建实用方法。机器人在移动过程中,Kinect传感器实时采集RGB信息和深度信息,将RGB图像信息映射到深度图像信息中,采用联合双边滤波对深度图像进行预处理,获得质量比较高的点云数据。对采集到的大量点云数据,采用半径滤波器算法对点云进行精简,剔除离群点,减少点云数量,提高匹配速度。点云配准时,采用NDT算法完成初始配准,从而得到图像帧间粗略的转换关系,并运用GICP算法对采集的多视角点云数据进行精确配准,得到拼接的三维点云场景。实验结果表明:本文方法具有更好的重建效果和更高的效率,可以应用于室内场景三维环境创建。

建模分析中的联合正态分布与仿真

服从联合正态分布的随机向量的线性变换性质在许多问题的建模分析中非常重要。该文通过矩阵分析表明,n维联合正态随机向量只有在行满秩线性变换之下才能得到服从联合正态分布的新的随机向量,否则服从退化的联合正态分布。该文还设计了数值实验进行仿真分析,实验结果显示了不同变换情况下点的随机性差异。

多维联合分布计算方法及其在水文中的应用

本文针对多维对数正态分布,采用统计试验方法,比较研究了基于正态化变换的Moran方法、传统经验频率方法(empirical frequency method简称EFM法)和将多维转化为一维的费永法(FEI)方法共3种多维联合分布计算方法的统计性能。在此基础上,应用南水北调东线工程沿线不同水文区主要站点年径流资料,分析了长江、淮河及黄河流域年径流的丰枯遭遇组合概率。统计试验结果表明,在研究的3个多维联合分布频率计算方法中,Moran方法具有最优的统计无偏性和有效性。对南水北调东线工程沿线区域主要河流径流丰枯组成的分析也表明,Moran方法可以为径流丰枯组合的频率分析提供合理的计算结果,是解决多变量水文统计计算问题的有效方法。

最大平均相关高度的归一化模板在畸变目标识别中的应用

本文基于最大平均相关高度算法设计了一种归一化模板,解决了联合变换相关器的畸变目标识别问题。该方法通过对最大平均相关高度频域滤波器的控制参数优化,映射到空域获得初始模板,归一化后得到归一化模板。相比于初始模板,归一化模板大大提高了模板与待测目标的灰度相似性。仿真实验表明,该模板能有效增强待探测目标的相关峰亮度,在联合变换相关器上可实现对畸变目标的识别,其比例畸变容差为53%,旋转畸变容差为20°。通过实验,给出了畸变飞机的相关识别结果。