基于Zernike矩的图象识别

分析了Zemike矩的旋转不变性特征，并将其应用于旋转目标的识别。由于Zemike矩可以构造任意高阶矩，所以Zemike矩的识别效果优于其他方法。因而Zemike矩在旋转目标识别中具有广泛的应用前景。     

计算同杆双回输电线路潜供电流与恢复电压的二次模方法

提出了利用二次模变换计算同杆双回输电线路潜供电流与恢复电压稳态值的方法.该方法首先利用变换矩阵T进行相模变换,将相量转化为模量,在此基础上再利用变换矩阵H进行第二次模变换,将一次模量转化为二次模量,然后在二次模域中建立计算潜供电流与恢复电压的数学模型.该模型与一次模方程相比,方程和未知数的个数减少了一半, 使得计算量减少,且易于编程实现.对某实际线路进行了计算,其结果与EMTP计算结果一致,表明此方法为进行潜供电流和恢复电压稳态计算提供了另一种途径和选择.     

层次分析法中判断矩阵一致性的改进研究

运用模糊理论对层次分析法中判断矩阵的一致性进行了改进.通过引入模糊一致矩阵,从根本上解决了层次分析法中判断矩阵的一致性问题,得到了一些有理论和实用意义的结果.     

基于组合模量S变换能量熵的配电网故障选线方法

针对目前含逆变型分布式电源配电网故障选线方法无法在各种故障类型下准确选线的问题,提出一种利用组合模量特征结合S变换算法和信息熵理论的有源配电网故障选线方法。提取配电网各出线端的电流信号,通过组合模量行波电流变换以消除在不同故障类型下故障特征失效的情况;将组合模量行波电流进行S变换以提取故障信号处的幅值和相角信息,结合信息熵理论通过故障信号最大幅值处的短窗数据在多频段下求取各条出线的多尺度能量熵;通过故障线路与非故障线路之间能量熵差值的实例分析,选取差值最大的频段作为求解能量熵的固定频段以减少运算量;以各条出线固定频段下的熵值大小作为判据来定位故障线路。数值仿真结果表明,该方法对各种故障类型均能准确地选出故障线路,且不受故障初始角、故障距离以及过渡电阻的影响,特别是在高阻情况下仍然能够实现准确、高效的故障选线。     

单片机在阶段式电流保护中的应用

介绍了单片机在阶段式电流保护上的应用。采用单片机可取代大量的继电器，避免了因接线复杂和元件不稳定造成保护装置的误动、拒动，从而可提高供电的安全可靠性。     

Hu矩和Zernike矩在图象识别中的应用

将Hu矩和Zernike矩应用于图象识别 ,比较了两者的识别效果。理论分析和仿真结果表明 ,Zernike矩的识别效果优于Hu矩     

基于Zernike矩的图象识别

分析了Zernike矩的旋转不变性特征 ,并将其应用于旋转目标的识别。由于Zernike矩可以构造任意高阶矩 ,所以Zernike矩的识别效果优于其他方法。因而Zernike矩在旋转目标识别中具有广泛的应用前景     

时变广义线性系统周期解的存在性

利用等价变换方法把时变广义线性系统化成标准典则形式,然后给出其存在ω周期解的充分条件。     

采用特征优选和优化深层核极限学习机的短期风电功率预测

针对风电出力非线性、不稳定且用传统方法难以准确预测的问题，提出了一种基于对深层混合核极限学习机(DHKELM)参数进行优化的短期风电功率预测。利用核主成分分析(KPCA)方法进行特征优选得到的最优特征集，既能表达风电功率的有效信息，也能避免冗余信息的出现，有利于DHKELM模型的学习与训练，同时也降低了模型的复杂度。针对DHKELM超参数难确定的问题，利用改进的野犬优化算法(IDOA)对DHKELM的8个超参数进行寻优，可以发掘原始序列特征信息，从而使模型能够充分掌握数值天气预报(NWP)与风电功率之间的非线性关系。以国外某风电场真实数据为算例，结果表明：提出的预测模型相较于野犬算法、差分进化算法和粒子群优化算法的平均绝对百分比误差(MAPE)分别降低了0.979 3%、2.342 1%、3.383 2%,有效提高了风电功率的预测精度。