动作分类卷积神经网络特征的时域属性校正方法

针对3D卷积神经网络捕获的动作特征中时域属性信息的稳健性不足,提出一种时域属性校正方法.通过独创的属性映射法抽象出网络特征数据的时域属性,对比各组特征的属性信息后,对信息差异过大的特征数据进行校正.校正后的模型将增强特征之间的时域一致性,使卷积神经网络模型的动作分类性能得到优化.使用3D的ResNeXt-101作为仿真验证的基础模型,显著提升了该模型在两个常用动作分类数据集上的测试准确率,在使用了预训练模型后也能够保持良好的优化效果.     

基于CNN的矿井富水区电磁反演研究

针对传统卷积神经网络(CNN)在电磁反演中提取数据特征时冗余信息多,导致网络反演精度降低的问题,提出一种变步长卷积神经网络电磁反演方法,将输入数据拓展为一维行向量,在各层网络中交替使用不同步长的卷积核进行卷积运算提取数据特征,利用变步长卷积方式替代传统网络的池化层,完成对冗余信息的过滤和特征信息的选择,并通过小卷积核级联的方式增大网络感受野提高网络的非线性表达能力。通过二维时域有限差分法(2D-FDTD)对不同电磁参数的富水区模型进行正演计算,并根据计算得出的电场时域响应特征建立样本数据集;将变步长卷积神经网络应用于电磁反演研究,建立适用于富水区问题的变步长卷积神经网络电磁反演模型,并验证变步长卷积神经网络电磁反演方法的精度。结果表明：该方法对坐标位置的反演平均相对误差为2.85%,对相对介电常数的反演平均相对误差为6.07%,反演结果与实际模型吻合度较高。所提方法对提高矿井富水区电磁反演的精度和效率具有一定的理论参考价值。     

基于C3D模型的视频分类技术

目前,解决视频分类问题比较典型的方法是使用深度学习方法.该文设计了一种新的神经网络结构用于解决视频分类问题同时使用了交叉熵损失函数和一些减少神经网络过拟合的方法.网络结构采用了3D卷积神经网络结构,这是由于3D卷积神经网络相比2D卷积网络可以同时处理图像时域信息和图像空间信息,保留输入信息的时间特征.我们将视频文件通过各种手段,转化为图像帧的形式,放入该文设计的3D卷积神经网络中学习和训练,最后通过分类器对图像的的种类进行划分,得到每个数据分类概率的结果.与之前的C3D网络相比我们增加了网络的深度,优化了网络结构,并通过实验验证了改进的有效性.     

基于多尺度3D卷积神经网络的行为识别方法

近年来卷积神经网络(convolutional neural network,CNN)在行为识别任务中取得了较大的进展.然而,现有的神经网络方法往往只注重高层语义信息的利用,对浅层特征信息挖掘利用不够.针对这一问题,提出一种基于3D卷积(convolution 3D,C3D)的多尺度3D卷积神经网络的行为识别方法.该方法受到特征金字塔结构的启发,在原C3D的基础上融合C3D的浅层特征信息,实现端到端的行为识别.同时该方法以现有的深度学习理论为基础,利用迁移学习的思想,将C3D和该方法中相同模块部分的参数迁移到本方法中,以降低模型的训练时间.通过在UCF101数据集上进行实验,实验结果表明,提出行为识别方法的分类精度达到84.56％,分类效果优于原C3D分类网络.     

基于双通道CNN的单幅图像超分辨率重建

卷积神经网络在单幅图像超分辨率重建方面取得了很大的进展,目前的很多方法都选择使用浅层或者深层的卷积神经网络实现图像超分辨率重建。浅层网络结构简单,但容易丢失图像的高频信息,而深层网络可以学习图像的高频纹理特征。本文提出了双通道卷积神经网络。浅层网络负责重建图像的整体轮廓,保留图像的原始信息;深层网络学习图像的高频纹理特征。在深层网络中,使用密集连接的卷积网络,能更有效地恢复图像的高频信息。同时,在两个网络的末端,通过添加额外的卷积层表示融合层,将网络进行融合,重建超分辨率图片。实验结果表明,在大多数情况下,本文模型的重构效果在主观和客观评估中均优于当前代表性的超分辨率重构方法。     

基于多层特征深度融合的卷积神经网络人脸识别方法

针对传统神经网络在人脸图像的训练过程中没有将高低卷积层信息进行融合,为充分利用图像各层特征信息,提出一种基于三层特征融合的全连接卷积神经网络模型,算法将原有网络最后三层特征结合,并将提取的特征信息与最后一层全连接层结合,从而增加了浅层特征的表达,加强了深层特征的提取效果,促使改进后的卷积神经网络提取的信息更加完备;同时将损失函数和中心函数加权联合,以提高人脸图像的识别率和区分性.在CASIA-webface人脸数据库进行的实验结果表明,改进后的网络模型识别率达到98. 7%,优于DCNN等算法,并将训练好的网络模型应用到YALE、PERET、LFW-A等人脸库上,相比其他方法识别率都有所提升.     

3D多重注意力机制下的行为识别

为解决传统3D卷积中难以提取时空信息的缺点,提出一种适用于3D卷积网络的多重注意力机制模块.该模块是由通道结合时间子模块和空间子模块组成的多维度特征调整模块.在通道结合时间模块中,通过调整池化层和卷积层的顺序,保留更多的有效通道信息和时间信息;在空间模块中,压缩冗余时间信息以减少计算量.该模块的整体计算量较少,可嵌入到各3D卷积网络中.为验证多重注意力机制模块的性能,基于3D ResNet网络设计部署了该多重注意力机制模块,并在UCF-101和HMDB-51两个行为识别数据集上分别进行训练.结果表明,改进后的3D ResNet在UCF-101上可提升1.50%的精度,在HMDB-51可提升1.24%的精度,而参数量只增加0.24%.     

基于改进型C3D网络的人体行为识别算法

针对原始C3D卷积神经网络参数量庞大,以及在压缩网络参数的同时进一步提高视频数据集中人体行为的识别率的问题,提出一种改进型C3D卷积神经网络模型。首先,采用全局平均池化和卷积分类操作取代全连接层,形成全卷积网络形式,之后在模型中分别引入卷积核为(3×3×3)和(1×1×1)的三维卷积层,并在此基础上采用卷积核为(3×1×7)和(3×7×1)的三维卷积层对多个(3×3×3)卷积层合并。最后,将所提方法在数据集UCF101和HMDB51上进行训练测试,并与当前深度学习现有流行算法进行比较。实验结果表明,本文所提方法与原始C3D网络模型相比,在UCF101数据集和HMDB51数据集上识别率分别提高了8.9%和7.9%,参数量压缩为原来的32.9%,并且在模型压缩和识别率上也均优于其他方法。     

基于3D金字塔残差网络的高光谱图像分类方法

鉴于提取高光谱图像深层次特征时,深度学习网络面临的网络层数加深、特征图数量增多、计算量增大、梯度消失等问题,提出了一种3D金字塔残差卷积神经网络,通过将3D卷积块引入金字塔残差模型中,实现了高光谱图像空谱特征的同时提取,并利用金字塔残差网络逐级增加特征图维度,大大降低了模型的参数量.Pavia University和Salinas数据集测试结果显示,该方法分别取得了99.936%和99.879%的总体分类精度,分类效果优于SVM、3D-CNN、ResNet18等3D卷积模型,且网络参数仅为ResNet18等模型的1%.可见,该方法达到了网络参数和图像分类精度的双优表现,是一种有效的高光谱遥感影像分类方法.     

改进残差神经网络在遥感图像分类中的应用

针对传统卷积神经网络随着深度加深而导致网络退化以及计算量大等问题,提出一种改进残差神经网络的遥感图像场景分类方法。该方法以残差网络ResNet50作为主框架,在残差结构中引入深度可分离卷积和分组卷积,减少了网络的参数量和计算量,加快模型收敛的同时也提升了分类精度。此外在网络中嵌入多尺度SE block模块对通道特征进行重校准,提取出更加重要的特征信息,进一步提升了网络的分类性能。在AID和UCMerced_Land Use两个公开数据集上的分类精度分别为91.92%和93.52%,相比常规残差网络分类精度分别提高了3.38%和10.24%,证明所提方法在遥感图像场景分类任务中的可行性和有效性。     

两种基于DSP的SVPWM波形实现方法

空间矢量脉宽调制（Space Vector Pulse Width Modulation,SVPWM）是控制交流异步电动机的一种常用控制方式。与脉宽调制（Pulse Width Modulation,PWM）技术相比,SVPWM技术用于交流调速系统不仅能提高电压利用率,而且具有转矩脉动小、噪声低等优点。本文在分析SVPWM基本原理的基础上,对基于TMS320LF2407A型DSP（Digital Signal Processor）产生SVPWM波形的硬件和软件实现方法进行比较,并用Matlab/Simulink软件对SVPWM调制波形进行了仿真实验,仿真结果验证了本文所提算法的正确性和有效性。     

空间矢量PWM控制的三相逆变器的仿真模型

基于空间矢量脉冲宽度调制(SVPWM)的基本原理,在Matlab/Simulink环境下构建了3种SVPWM方法的仿真模型,通过与正弦脉冲宽度调制(SPWM)的比较表明基于SVPWM的三相逆变器具有较高的直流电压利用率,较少的输出线电压谐波和相电流谐波.该仿真模型建模方法简单,调用方便,适合于变频变压电源的仿真分析,为交流励磁发电系统的进一步研究和设计打下了基础.     

基于TMS320F2812的交流电机控制系统设计

阐述了三相交流电机空间矢量脉宽调制（SVPWM）和矢量控制的基本原理,介绍了采用TMS320F2812实现SVPWM控制的数字化系统的设计,实验结果表明系统具有优良的动静态性能．     

变频防爆绞车电控装置的研制

在分析防爆绞车现状的基础上,阐明变频绞车电控装置的必要性。提出了一种基于空间矢量的PWM(Pu lseW idth M odu lation)算法的全数字化变频器,对空间矢量脉宽调制的理论进行了简要的介绍。该变频器主要由主回路和控制电路两部分组成。控制电路采用数字信号处理器TM S320LF2407以硬件的形式实现SVPWM(Space V ector Pu lse W idthM odu lation)波的输出;主回路中采用智能功率模块DYNEX作为功率器件。经在500 kW交流电机上实验,结果令人满意。     

基于同步矢量电流比例-积分控制器的光伏并网系统

太阳能是一种丰富干净的可再生性能源,研究可靠的光伏并网发电系统控制策略非常重要。该文分析了光伏阵列特性、光伏电源与交流电源之间功率流动特征,提出了改进常压法与同步矢量电流比例-积分(PI)调节器控制的空间矢量脉宽调制(SVPWM)调制方法相结合的单级式光伏并网系统,使电压源型光伏并网逆变器输出电流完全与电网电压相位一致,向电网输送的电能质量符合IEEE929-2000标准要求。仿真与实验结果一致,表明了所提出的控制方案具有良好的动态和稳态性能。     

直驱风力发电三相并网逆变电源研究

以直驱风力发电的三相并网逆变电源为研究对象,针对传统的脉冲宽度调制方式谐波含量高、直流侧电压利用率低等不足,采用空间矢量脉宽调制(SVPWM)的算法控制。利用Matlab软件仿真系统,对该矢量控制方法进行分析。为了进一步验证控制理论的有效性,设计了基于高速数字化处理芯片TMS320F2812DSP的实验平台。实验结果表明该控制方案可行,系统并网效果良好,实现了单位功率因数并网,使电流能够很好的跟踪电网电压的变化。     

基于LM3S615的SVPWM变频调速系统的设计与实现

提出一种基于ARM微处理器LM3S615的交流电机SVPWM控制系统的设计．该方法相对于其他的SVPWM控制策略而言大大缩短了参考电压矢量的采样周期,使电机内部磁链更加逼近圆形,减少脉动．同时,系统具有液晶屏显示和按键功能,方便现场控制．实验结果表明该系统性能稳定,运行可靠,完全符合小型交流电机调速驱动需要.     

级联多电平逆变系统的移相式SVPWM调制方法

SVPWM调制方法运用于级联型逆变系统时,由于电压矢量数目过多而导致电压矢量选择困难和复杂计算.为解决这个问题,从三电平逆变器的SVPWM调制入手,将SVPWM调制方法和移相技术结合起来分析,并采用数字信号处理器DSP和现场可编程逻辑器件FPGA,实现了对级联多电平逆变系统基于移相式SVPWM的矢量控制,仿真和实验验证都证明了该方法的正确性、可行性和易扩展性.     

基于Lyapunov理论的交流传动系统建模和稳定性分析

为完整分析PWM整流器-逆变器-电机串联交流传动系统的稳定性跟随主要系统参数变化的规律,基于各子系统的开关函数模型,结合空间矢量脉宽调制算法的开关函数在dq坐标系下的等效表达式,建立整个系统的状态空间模型,采用偏微分法进行线性化处理,得到系统的增量方程;基于Lyapunov第一法,采用MATLAB MAT语言对系统的稳定性进行分析.仿真结果表明:在传动系统全速度范围内,增大PWM整流器滤波参数和电机定转子电阻有利于增加系统的稳定性,电机定转子电感的变化对系统稳定性的影响呈双极性变化.因此,合理选择系统设计参数,能够使系统保持较大的稳定区域,避免系统振荡现象的发生.     

三电平ANPC逆变器改进SVPWM控制策略

针对三电平有源中点钳位逆变器(ANPC)中点电压不平衡问题,提出一种改进的SVPWM控制策略。首先,分析了ANPC逆变器中点电压不平衡的原因,利用空间矢量合成方法分析了各矢量形成的中点电流,从而提出了一种利用大矢量合成中矢量的改进调制算法,并且分析了SVPWM调制模式下中点电压的偏移情况,并提出了解决方案;在此基础上,对所提出的改进SVPWM控制策略和NVSVM控制策略进行了仿真对比,分析了改进算法的优势;最后,通过搭建实验平台对提出的算法进行了实验验证,实验结果表明:提出的控制策略能有效平衡中点电压,同时能及时地校正中点电压的偏移,中点电压波动小。