通過陀螺儀、加速度計數(shù)據(jù)提取特征，采用SVM識別車輛行駛狀態(tài)
上傳時間： 2020-02-16
上傳用戶：wryn
隨著市場經(jīng)濟(jì)和現(xiàn)代化工業(yè)的發(fā)展，能源短缺和環(huán)境污染，已經(jīng)成為制約人類社會健康發(fā)展的兩大重要因素。新能源的開發(fā)與利用愈來愈受到重視，太陽能以其清潔環(huán)保、蘊(yùn)藏豐富等優(yōu)點逐步得到了開發(fā)利用。光伏逆變電源作為太陽能利用中主要的能量變換裝置，是目前研究和發(fā)展的重要環(huán)節(jié)。 本課題研究的是可并網(wǎng)三相光伏逆變電源，以追求體積小、效率高、精度大、方便實用為目的，采用了DC—HFAC—DC—LFAC三級功率傳輸架構(gòu)，設(shè)計中使用了SPWM技術(shù)、SVPWM技術(shù)、內(nèi)高頻環(huán)技術(shù)、DSP數(shù)字控制技術(shù)和數(shù)字鎖相環(huán)技術(shù)等前沿實用技術(shù)。 直流DC—DC變換器采用內(nèi)高頻環(huán)技術(shù)，既實現(xiàn)了電氣隔離又大大的減小了裝置體積。這一部分本文不做涉及，本文所涉及的內(nèi)容為本系統(tǒng)的DC—AC逆變電源部分，本論文的主要內(nèi)容如下： 首先，分析了幾種DC—AC逆變器的主電路拓?fù)浣Y(jié)構(gòu)，根據(jù)其優(yōu)缺點與實際應(yīng)用需要，選擇三相四橋臂結(jié)構(gòu)作為本文主電路結(jié)構(gòu)，滿足了電網(wǎng)負(fù)載的不平衡性。在選擇了三相四橋臂結(jié)構(gòu)的基礎(chǔ)上，選取兩種最新的SVM控制方法：基于三態(tài)滯環(huán)的瞬時空間電流相量控制法與二維空間矢量控制法，對兩種方法作出詳細(xì)分析比較，根據(jù)實用性原則，選取二維空間矢量控制法作為本文的控制方法。 其次，選取了主控芯片TI公司的TMS320F2812，電路中的功能盡量數(shù)字化實現(xiàn)，既控制了電路體積，又大大提高了系統(tǒng)的安全性與可靠性。設(shè)計了本系統(tǒng)的控制電路、驅(qū)動電路、緩沖電路、保護(hù)電路、濾波器電路等系統(tǒng)電路，本系統(tǒng)所有硬件電路均設(shè)計完畢。為了驗證設(shè)計的正確性，大部分電路都用ORCAD—Pspice仿真軟件進(jìn)行仿真驗證，小部分電路搭建實際電路，設(shè)計電路都能達(dá)到系統(tǒng)設(shè)計要求。 隨后，簡單介紹了DSP編程環(huán)境CCS。詳細(xì)分析了SVPWM的工作原理，并給出二維空間矢量法在DSP中的實現(xiàn)方法。介紹幾種MPPT方法，并選取本課題所選用的方法。 最后，給出系統(tǒng)仿真，分析了重點模塊，得到了仿真結(jié)果。 關(guān)鍵詞：光伏并網(wǎng)電源、空間矢量脈寬調(diào)制、內(nèi)高頻環(huán)、三相四橋臂
上傳時間： 2013-05-19
上傳用戶：520
隨著多媒體技術(shù)的發(fā)展，數(shù)字圖像處理已經(jīng)成為眾多應(yīng)用系統(tǒng)的核心和基礎(chǔ)。它的發(fā)展主要依賴于兩個性質(zhì)不同、自成體系但又緊密相關(guān)的研究領(lǐng)域：圖像處理算法及其相應(yīng)的電路實現(xiàn)。圖像處理系統(tǒng)的硬件實現(xiàn)—般有三種方式：專用的圖像處理器件集成芯片(Application Specific Integrated Circuit)、數(shù)字信號處理器(Digital Signal Process)和現(xiàn)場可編程門陣列(Field Programmable Gate Array)以及相關(guān)電路組成。它們可以實時高速完成各種圖像處理算法。圖像處理中，低層的圖像預(yù)處理的數(shù)據(jù)量很大，要求處理速度快，但運算結(jié)果相對比較簡單。相對于其他兩種方式，基于FPGA的圖像處理方式的系統(tǒng)更適合于圖像的預(yù)處理。本文設(shè)計了—種基于FPGA的小波域圖像去噪系統(tǒng)。首先，闡述了基于小波變換的圖像去噪算法原理，重點討論了小波鄰域閾值(NeighShrink)去噪算法，并給出了該算法相應(yīng)的Matlab 仿真；然后，為了改進(jìn)鄰域閾值去噪算法中對每個分解子帶都采用相同鄰域和閾值的缺點，本文提出了基于最小二乘支持向量機(jī)(LS-SVM)分類的鄰域閾值去噪算法和以斯坦無偏估計 (SURE)為準(zhǔn)則同時結(jié)合小波系數(shù)尺度間關(guān)系的鄰域閾值去噪算法。經(jīng)Matlab實驗表明，相比于其他幾種經(jīng)典算法，本文提出的兩種改進(jìn)算法在濾除噪聲的同時能更好地保護(hù)圖像細(xì)節(jié)，并在較高噪聲情況下能獲得更高的峰值信噪比。在此基礎(chǔ)上本文將提出的改進(jìn)小波鄰域閾值去噪算法進(jìn)行了相應(yīng)的簡化，以滿足低噪聲處理要求且易于在FPGA上實現(xiàn)；最后，給出了基于 FPGA的小波鄰域閾值去噪系統(tǒng)的總體結(jié)構(gòu)和FPGA內(nèi)部各功能模塊的具體實現(xiàn)方案，包括二維離散小波變換模塊、二維離散小波逆變換模塊、SDRAM存儲器控制模塊、去噪計算模塊和系統(tǒng)核心控制模塊，并對各個系統(tǒng)模塊和整體進(jìn)行了仿真驗證，結(jié)果表明本文設(shè)計的基于FPGA 的小波鄰域閾值去噪系統(tǒng)能滿足實際的圖像處理要求，具有一定的理論和實際應(yīng)用價值。關(guān)鍵詞：圖像處理系統(tǒng)，F(xiàn)PGA，圖像去噪算法，小波變換
上傳時間： 2013-05-16
上傳用戶：450976175
由于模擬電路的多樣性、非線性和離散性等特點，模擬電路的故障診斷呈現(xiàn)復(fù)雜、難以辨識等問題。針對已有方法的數(shù)據(jù)不平衡，提出了一種支持向量機(jī)集成的故障診斷方法。使用小波變換方法提取特征向量，在多類別支持向量機(jī)的基礎(chǔ)上，設(shè)計了模擬電路的最小二乘支持向量機(jī)預(yù)測模型，實現(xiàn)了對模擬電路的狀態(tài)的故障預(yù)測。將該方法應(yīng)用于Sallen-Key帶通電路進(jìn)行故障預(yù)測試驗，結(jié)果表明，該方法比單一支持向量機(jī)、徑向基神經(jīng)網(wǎng)絡(luò)、BP神經(jīng)網(wǎng)絡(luò)和APSVM有更好的分類和泛化性能，故障診斷準(zhǔn)確率更高。
上傳時間： 2013-10-31
上傳用戶：417313137
提出了一種針對JPEG圖像的通用隱寫分析算法。該算法提取了15個具有良好分類特性的特征參數(shù)，輸入構(gòu)建的LS-SVM分類器，以達(dá)到檢測載密圖像的目的。實驗結(jié)果表明，該算法的檢測正確率較高，檢測速度快，能夠?qū)崿F(xiàn)針對各類JPEG載密圖像的有效檢測。
上傳時間： 2014-12-23
上傳用戶：dddddd55
為了使計算機(jī)能更好的識別人臉表情，對基于Gabor小波變換的人臉表情識別方法進(jìn)行了研究。首先對包含表情區(qū)域的靜態(tài)灰度圖像進(jìn)行預(yù)處理，包括對確定的人臉表情區(qū)域進(jìn)行尺寸和灰度歸一化，然后利用二維Gabor小波變換提取臉部表情特征，使用快速PCA方法對提取的Gabor小波特征初步降維。再在低維的空間中，利用Fisher準(zhǔn)則提取那些有利于分類的特征，最后用SVM分類器進(jìn)行分類。實驗結(jié)果表明，上述提出的方法比傳統(tǒng)的方法識別速度更快，能達(dá)到實時性的要求，并且具有很好的魯棒性，識別率高。
上傳時間： 2013-11-08
上傳用戶：小眼睛LSL
This paper presents a space vector modulation(SVM)-based switching strategy for a three-level neutral point clamped (NPC) converter that is adapted as a STATCOM.
標(biāo)簽： STATCOM 三電平 變換器 空間矢量
上傳時間： 2013-10-20
上傳用戶：zyt
機(jī)場道面異物是威脅跑道運行安全的常見病害，及時、準(zhǔn)確的檢測異物具有現(xiàn)實意義。針對現(xiàn)有的人工目視檢測方法，本文基于圖像處理理論，提出了一種機(jī)場道面異物的自動檢測算法。根據(jù)機(jī)場道面的復(fù)雜背景和常見異物的特點，本文采取了分塊的方法，選擇Harris角點、灰度共生矩陣、灰度級分布范圍等特征，分別用閾值法和SVM法對實際機(jī)場道面異物圖像進(jìn)行檢測。初步實驗證明，該方法可以有效檢測出機(jī)場道面復(fù)雜背景下的異物，實驗結(jié)果顯示，檢測正確率達(dá)到了98%。
上傳時間： 2013-11-26
上傳用戶：2404
具有結(jié)構(gòu)風(fēng)險最小化原則的支持向量機(jī)（SVM）對于小樣本決策具有較好的學(xué)習(xí)推廣性，并且故障樣本的不足在一定程度上制約了基于知識的方法在故障診斷中的運用。針對這一問題，提出了利用支持向量機(jī)的方法對匝間轉(zhuǎn)子繞組短路故障診斷方法。該方法利用小波分析對探測線圈測得感應(yīng)電動勢進(jìn)行處理構(gòu)造特征向量，然后輸入到支持向量機(jī)的多故障分類器中進(jìn)行故障識別。實驗數(shù)據(jù)表明該方法是可行、有效的，并且在小樣本的情況下，較BP神經(jīng)網(wǎng)絡(luò)有更好的分類效果。
標(biāo)簽： 支持向量機(jī) 發(fā)電機(jī) 匝間 轉(zhuǎn)子
上傳時間： 2013-11-04
上傳用戶：s363994250
將支持向量機(jī)應(yīng)用到典型的時變、非線性工業(yè)過程—— 連續(xù)攪拌反應(yīng)釜的辨識中, 并與BP 神經(jīng)網(wǎng)絡(luò)建模相比較, 仿真結(jié)果表明了支持向量機(jī)的有效性與優(yōu)越性. 支持向量機(jī)以其出色的學(xué)習(xí)能力為工業(yè)過程的辨識提出了一種新的途徑.
標(biāo)簽： SVM 支持向量機(jī) 工業(yè)過程 辨識
上傳時間： 2013-10-17
上傳用戶：zhangdebiao
蟲蟲下載站版權(quán)所有 京ICP備2021023401號-1
