简介:在总结JPEG2000标准定义的两种感兴趣区域(ROI)编码思想优缺点的基础上,提出一种新的ROI编码方法,即部分背景系数位平面位移算(PartialBackgroundCoefficientBitplanesShift,PBCBShift)。将背景系数的整个位平面分成两个部分:最重要位平面和剩余位平面。在编码器端,仅仅是背景系数的剩余位平面朝最不重要位平面方向下移。在解码器端,较高的位平面能比剩余位平面更快地解码。
简介:提出一种应用于三相四线制有源电力滤波器(APF)的瞬时无功功率ip-iq谐波电流检测方法,用于解决传统检测方法提取精度低、收敛速度慢、稳定性较差等问题,采用自适应递推最小二乘法(RLS)算法取代低通滤波器。新方法以改进瞬时无功功率ip-iq法为电流检测依据,先减去电流中的零序分量,再利用坐标变换矩阵计算出电流有功、无功以及交直流分量。结果显示,该算法有效提高了直流分量的提取精度,在三相四线制APF中采用该方法是可行有效的。
简介:为满足风机运营商对设备故障实时监控和预测的需求,探讨了基于自回归积分滑动平均模型(ARIMA)和非线性自回归神经网络模型(NARNN)的组合模型NARIMA。实现方法为:建立ARIMA模型用于预测数据的线性成分,用NARNN模型预测由ARIMA模型预测产生的残差部分,对风机叶片结冰故障的时间序列进行拟合,得到的NARIMA模型可实现对风机叶片结冰故障准确预测。仿真结果表明:NARIMA模型能较好地拟合所给时间序列,预测值符合实际情况和趋势,证明了NARIMA模型的有效性。
简介:将分支前馈神经网络(BFNN)运用于数字字符的模式识别问题中,其某些性能优于标准反向传播(BP)网络。BFNN的隐层神经元与输出神经元之间为分组对应关系,采用的学习算法与标准BP算法类似。BFNN可以根据样本的可分性构建最适宜的网络结构。在对大规模、分类复杂的样本进行识别时,性能优于标准BP网络。
简介:超短期风速预测对风电场功率预报系统的建立和运行至关重要。针对具有较大随机波动性的风速预测,研究了一种基于误差修正的极端学习机(ELM)超短期风速预测方法。利用ELM模型对风速进行初步预测,并利用由此得到的误差数据样本建立差分自回归滑动平均模型(ARIMA),进行误差预测,最后使用预测误差对风速的初步预测值进行补正,从而求得最终预测值。仿真实验结果表明,该方法在风速超短期预测中的可行性及有效性。
简介:在分析并联式混合动力汽车动力传动系统特点的基础上,对电力辅助式混合动力汽车展开研究。在深入分析了电动汽车专用分析软件Advisor(ADvancedVehicleSimulatOR)的原理及使用方法的基础上。在Matlab(MATrixLABoratory)/Simulink环境中完成了所研究的混合动力电动汽车的传动系统和控制系统的建模,并在Advisor平台上,对整车进行了仿真分析。