壁挂式变频空调节能控制系统的研究
这是一篇关于壁挂式变频空调,监控系统,模式识别,粒子群优化PID的论文, 主要内容为能源是人类赖以生存的重要物质保障,世界能源消耗逐年提升。空调作为空气调节电器,应用领域十分广泛,空调能耗占社会总能耗比重很高。因此,针对空调进行节能控制研究对节约能源和碳减排有一定的价值。本课题以壁挂式变频空调控制系统为研究对象,通过设计监控系统结合深度学习算法对空调进行控制模式识别,并通过改进的PID控制方法对空调温度控制进行优化,实现空调节能和智能化。本文的主要研究内容如下:1.对壁挂式变频空调的系统组成、工作原理和节能原理做出介绍。设计空调室内空气质量监控系统,系统架构设计包括硬件平台设计、软件层设计和云平台设计。传感器采集温湿度和空气质量参数,软件层进行数据分析和智能决策处理,云平台提供可视化界面和控制端口,用户可查看室内空气质量状态信息,学习空调指令能够实现空调的智能远程控制,提升用户舒适性。2.构建了基于遗传算法优化反向传播神经网络的模式识别模型,学习用户使用空调的习惯,可以自动变更控制策略,及时更新阈值来适应用户使用习惯,去判断调节空调的送风模式、除湿模式、制冷模式以及制热模式。并结合目标检测算法,识别室内人数和睡眠人数,实现空调睡眠模式的判别,将人数识别应用于后续节能控制系统的仿真设计。3.建立了变频空调温度控制系统理论数学模型,将改进的粒子群优化PID控制算法应用于简化的空调温度控制模型,在制热、制热稳态干扰下和制冷稳态干扰下进行Simulink仿真测试,并与模糊PID控制以及粒子群优化的PID控制进行对比,仿真结果表明改进的粒子群优化PID控制算法具有更好的控制效果和节能效果。然后建立仿真验证人数识别和改进的粒子群优化PID共同构建的节能控制系统,在室内人数增加、室内人数减少和室内人数变化频繁三种情况下进行测试,仿真结果表明控制效果可以做到有效抑制因室内人数变化带来的温度扰动。通过模型的验证分析,说明了空调模式识别和改进的粒子群优化PID控制策略的可行性,对于空调的节能有一定的参考意义。
基于深度学习的多智能感官信息融合检测技术研究与应用
这是一篇关于智能感官,深度学习,信息融合,模式识别,检测技术的论文, 主要内容为智能感官可以模仿舌、鼻和眼等器官的感知特点,得到样本的感官信息。智能感官结合模式识别算法可以实现对食品的综合分析,目前智能感官信号处理方法多基于浅层机器学习方法,难以得到样本的深层次的有用特征,且由于食品的品质以多种形式表现,单一感官不能全面表征样本信息。本文基于电子舌、电子鼻和电子眼,结合深度学习和信息融合方法,研究了多智能感官信息融合检测技术,并用于食品质量检测和产地溯源。具体研究如下:(1)为实现陈醋酿造年限的准确分析,提出采用电子舌和电子鼻结合密集卷积网络-极限学习机(Dense Net-ELM)模型的检测方法。分别采取陈醋的电子舌和电子鼻响应信号,针对信号不同的特点,设计两个Dense Net模型ET-Dense Net和EN-Dense Net,用于提取信号特征,并通过特征拼接实现特征融合。采用极限学习机(ELM)对融合特征进行分类识别。实验结果表明,Dense Net能够有效提取到电子舌和电子鼻信号中的深层特征;相比于单一感官和传统方法,所提方法对不同年限陈醋检测准确性更优。(2)为实现对黑胡椒产地的溯源检测,提出协同应用电子舌、电子鼻和电子眼结合卷积神经网络(CNN)和通道注意力机制(CAM)的检测方法。使用三种智能感官采集黑胡椒的响应信号,并设计ET-CNN、EN-CNN和EE-CNN分别提取信号的特征,CNN的参数通过贝叶斯优化算法(BOA)进行全局优化。针对特征简单拼接难以体现不同感官特征重要性的问题,特征融合阶段引入CAM,实现特征高效融合。实验结果表明,CNN的特征提取能力明显优于传统机器方法,相比于使用单一感官,所提出的方法具备更好的性能。(3)为实现不同产地枸杞的溯源检测,提出一种电子舌、电子鼻和电子眼结合改进胶囊网络(Caps Net)的检测方法。针对电子舌和电子鼻信号的非线性、时序性特点,使用递归图与格拉姆角和场分别实现信号的二维化,将三种智能感官的二维信号进行数据级融合。引入多尺度特征提取模块(MFEM)和空间注意力机制(SAM)对Caps Net进行改进,并将其用于融合信息的模式识别。实验结果表明,相较于使用单一感官和不同结构的网络,所提方法取得更优的检测准确性。以上研究从模式识别技术和信息融合方法两个方向切入,为深度学习结合多智能感官信息融合的检测技术提供新的研究思路。
基于ZigBee技术的环网柜在线监测系统研制
这是一篇关于ZigBee,环网柜,在线监测,局部放电,模式识别的论文, 主要内容为随着我国10kV及以下电压配网环网柜的安装与使用量日益增加,传统的环网柜周期性巡检运维方法由于工作量大、现场检测设备繁杂、检修时间长等原因,常会降低检测效率,存在漏检、误检等问题。针对上述原因和问题,本文研制了一款基于ZigBee无线组网技术的环网柜在线监测系统,主要为保证10kV及以下电压环网柜的安全可靠运行,大幅提高运维智能化水平。首先,我国的环网柜在线监测设备基本采用有线传输的通信方式,有线传输灵活性差、安装难度大且不利于运维人员对环网柜的检修。因此本文设计了基于ZigBee技术的无线组网方案,基于CC2530芯片设计了ZigBee组网单元,可以根据监测需求实现监测终端的任意组合。系统可以从电气故障、环境状态、以及局部放电等方面实现对环网柜的全方位监测,最终将ZigBee汇集的数据传输至上位机,实现对环网柜的远程在线监测。其次,针对环网柜中容易引起绝缘劣化的局部放电现象,设计了HFCT和TEV联合监测局部放电的方案,并研制了相应的传感器。通过Ansys软件仿真了感应电流密度在环网柜柜体上的分布情况及影响因素,决定通过比较TEV幅值大小及变化趋势来定位异常环网柜,并设计了TEV调理电路。设计了HFCT调理电路,为进一步研究局部放电识别,设计了四类缺陷模型并搭建试验平台提取放电样本。样本经信号预处理后,提取了统计特征、波形特征、分形特征和威布尔参数,经支持向量机(SVM)分析后平均识别率约为85%。为进一步提高识别率,采用相关性分析和类间距离分析筛选出6维最优特征参数,对6维最优特征参数进行SVM分析后识别率可达95%。最后,基于IAR和LabVIEW软件对监测系统的上位机和下位机程序进行设计,并在实验室验证了上述研究的准确性和可行性,经测试满足系统监测要求。为进一步验证系统的实用性,将监测系统安装在大庆市某变电站10kV环网柜内,当远程上位机显示故障报警后,经与变电站工作人员联系,确定发生过上位机显示的故障,验证了研制系统的可行性。
基于ZigBee技术的环网柜在线监测系统研制
这是一篇关于ZigBee,环网柜,在线监测,局部放电,模式识别的论文, 主要内容为随着我国10kV及以下电压配网环网柜的安装与使用量日益增加,传统的环网柜周期性巡检运维方法由于工作量大、现场检测设备繁杂、检修时间长等原因,常会降低检测效率,存在漏检、误检等问题。针对上述原因和问题,本文研制了一款基于ZigBee无线组网技术的环网柜在线监测系统,主要为保证10kV及以下电压环网柜的安全可靠运行,大幅提高运维智能化水平。首先,我国的环网柜在线监测设备基本采用有线传输的通信方式,有线传输灵活性差、安装难度大且不利于运维人员对环网柜的检修。因此本文设计了基于ZigBee技术的无线组网方案,基于CC2530芯片设计了ZigBee组网单元,可以根据监测需求实现监测终端的任意组合。系统可以从电气故障、环境状态、以及局部放电等方面实现对环网柜的全方位监测,最终将ZigBee汇集的数据传输至上位机,实现对环网柜的远程在线监测。其次,针对环网柜中容易引起绝缘劣化的局部放电现象,设计了HFCT和TEV联合监测局部放电的方案,并研制了相应的传感器。通过Ansys软件仿真了感应电流密度在环网柜柜体上的分布情况及影响因素,决定通过比较TEV幅值大小及变化趋势来定位异常环网柜,并设计了TEV调理电路。设计了HFCT调理电路,为进一步研究局部放电识别,设计了四类缺陷模型并搭建试验平台提取放电样本。样本经信号预处理后,提取了统计特征、波形特征、分形特征和威布尔参数,经支持向量机(SVM)分析后平均识别率约为85%。为进一步提高识别率,采用相关性分析和类间距离分析筛选出6维最优特征参数,对6维最优特征参数进行SVM分析后识别率可达95%。最后,基于IAR和LabVIEW软件对监测系统的上位机和下位机程序进行设计,并在实验室验证了上述研究的准确性和可行性,经测试满足系统监测要求。为进一步验证系统的实用性,将监测系统安装在大庆市某变电站10kV环网柜内,当远程上位机显示故障报警后,经与变电站工作人员联系,确定发生过上位机显示的故障,验证了研制系统的可行性。
基于超声波信号的变压器局部放电模式识别与故障定位方法研究
这是一篇关于局部放电,小波阈值降噪,模式识别,迁移学习,时延估计,局放源定位的论文, 主要内容为局部放电现象是变压器绝缘损坏和劣化的经典外在表现,实现变压器局部放电处理,对于维护系统安全运行、发现和应对潜在绝缘事故是十分必要和重要的。超声波检测是一种有效的局放检测方法,所以本文以超声波信号为基础信息源,从信号降噪、模式识别和故障定位三个方面探讨变压器局部放电问题。1.提出一种基于改进阈值估计和改进阈值函数的小波阈值局放信号噪声抑制方法。首先,融合噪声序列和降噪序列的样本熵信息,建立综合熵阈值估计模型,同时提出二分变步长非线性阈值搜索法。然后,提出一种介于软、硬阈值函数之间且在全阈值上具有连续可导性的改进阈值函数,同时讨论了函数参数选择方法。实验表明,所提局放信号噪声抑制方法能够有效得到最优阈值估计值,具有降噪充分、抑制振荡的良好性能。2.提出一种基于增强融合分布谱和迁移残差网络的局部放电模式识别方法。首先,融合信号的连续小波变换谱和短时傅里叶变化谱图,并通过数据清洗增强图像纹理,提出一种增强型多谱融合的图源方法。然后,引入迁移学习方法,通过Res Net50模型微调,快速实现局放故障特征自主提取与局放模式识别。实验表明,所提局放模式识别方法能够提供丰富的高质量特征信息,同时使深度网络模型适应有限样本量学习,得到良好的局放模式识别效果。3.提出一种基于超声波波达时差抗扰估计和启发搜索的局部放电故障定位方法,首先,综合信号低阶、二阶和高阶量的处理方法,提出基于非线性化信号高阶累积量相关的时延估计方法。然后,基于定位模型建立非线性最小优化的适应度函数,引入自适应惯性权重因子改进人群搜索算法,通过人群搜索算法搜索局放坐标。实验表明,所提局放故障定位方法在多噪环境下具有良好的时延估计精度,在保证定位解质量的基础上,加速搜索收敛速度,获得有效的局放定位坐标。
电子卷宗智能编目系统的设计与实现
这是一篇关于智能编目,模式识别,图片分类,TensorFlow,迁移学习的论文, 主要内容为电子卷宗智能编目,是指利用机器自动、快速、准确地对电子卷宗进行分类。为了完善电子卷宗信息管理,最高人民法院提出,要全面开发自动编目技术。智能编目技术就是采用智能技术,实现扫描的各阶段诉讼材料的自动筛选和分类,并生成电子卷宗的目录信息。在电子卷宗智能编目技术提出之前,电子卷宗编目需要工作人员将电子卷宗信息逐个加入到卷宗目录。这种传统的方法不仅费时费力,还存在编目不及时和不准确等问题。为了解决这一难题,我们开发了电子卷宗智能编目系统。该系统的主要功能包括电子卷宗的分类和目录的生成。电子卷宗智能编目系统主要采用模式识别图片分类和OCR识别关键词分类相结合的方式匹配电子卷宗的目录和类型,实现智能编目。为了能够实现电子卷宗的智能编目,本文主要开展了如下工作:(1)模式识别。采用TensorFlow计算框架,基于Google提供的训练好的Inception-v3模型,采用卷积神经网络迁移学习的方式再训练新的模型文件,使新的模型适用于电子卷宗图片分类的问题。通过卷积神经网络迁移学习,使用少量的训练数据在短时间内训练出效果较好的电子卷宗图片分类的模型。根据新训练的模型预测图片的正确率和分类结果,匹配目录和类型。(2)OCR识别关键词分类。是基于Spring、Hibernate、Sybase数据库等技术的设计思想,将OCR识别技术识别出的电子卷宗图片的内容根据关键词匹配目录和类型。(3)更新目录。根据匹配的目录和类型实现更新电子卷宗目录信息。本项目通过模式识别和OCR识别两种方式实现电子卷宗的分类,已经在天津市武清法院和河西法院部署应用,满足了法院智能编目的需求,应用效果良好。
基于视觉的框架结构震后安全性应急评估方法研究
这是一篇关于应急评估,计算机视觉,损伤识别,构件识别,模式识别,变形监测的论文, 主要内容为震后建筑安全性应急评估是判断建筑物震后是否适合继续使用、是否具备应对余震的能力。以往的震害评估经验表明:一方面,震后环境复杂,许多震损位置无法直接进行观测,仅依靠有限的专业人员的人工作业方式很难快速完成全部评估任务;另一方面,标准化工作流程和评估标准的不统一,造成了评估结果对人员专业素质极大依赖,致使其准确性存疑。本文通过计算机视觉技术和数字图像处理技术对钢筋混凝土(RC)框架结构构件识别、损伤识别和破坏模式识别以及框架结构的动态变形监测进行了分析研究,以便为建筑结构的震后安全性应急评估提供基础,本文相关研究如下:(1)基于Mask R-CNN构造了 RC框架结构构件识别模型,并以实际地震现场和实验室试件为数据源整理筛选了包含梁柱和节点的两个独立数据库,按照梁、柱和节点的形态特征确定了标注方法,并通过图像变换和裁切等数据增强方法以及构件层次的样本平衡,提高了构件识别模型在小数据集上的泛化能力。(2)基于U-Net和VGG-16分别构造了裂缝识别模型CrackNet和混凝土剥落、钢筋漏出识别模型SENet,并以RC构件试验照片为数据源分别构造了独立的损伤像素级语义分割数据库,提出了以CrackNet输出为蒙版结合Otsu的裂缝识别优化算法。分析研究了相机拍摄角度对裂缝宽度测量的影响,应用逆透视误差校正有效降低了相机光轴与构件平面法向量不平行时带来的裂缝宽度测量误差。(3)介绍了与RC框架节点材料、几何因素、加载方式和表观损伤相关联的三种节点破坏模式,通过收集相关文献资料的节点损伤图像并结合手动标注损伤,建立了节点破坏模式数据库,通过比较四种常用的分类模型,确认了以ResNet为基础的PatternNet作为节点破坏模式分类的目标模型,并通过与在原始图像数据集上训练的模型对节点破坏模式的识别效果对比,验证了基于构件识别和损伤识别可以有效提高构件破坏模式识别的准确率。(4)通过一个四层RC框架结构振动台试验,测试了基于无人机的裂缝宽度测量效果,通过应用裂缝骨架线分割算法,实现了对RC框架节点区域的最大裂缝宽度测量,同时验证了基于无人机的RC框架节点构件识别、损伤识别和破坏模式识别的可行性,并提出了基于三种识别的框架结构震后安全性应急评估基本工作流程。(5)利用普通运动相机结合靶标对五层钢框架结构的振动台响应进行监测,比较了 SIFT特征点匹配法、模板匹配法和相位相关法三种方法在相机静止和随结构一起运动两种情景下测量结构变形时程的效果。
本文内容包括但不限于文字、数据、图表及超链接等）均来源于该信息及资料的相关主题。发布者：毕设客栈 ，原文地址：https://m.bishedaima.com/lunwen/47212.html
