-
公开(公告)号：CN111914913B
公开(公告)日：2023-10-31
申请号：CN202010692999.6
申请日：2020-07-17
Applicant: 三峡大学
Abstract: 一种新型立体匹配优化方法，输入双摄像头拍摄后经过校正的、图像类型为RGB的左右图像，将所述左右图像转换为灰度图，设定其中一个为参考图像，另一个为检索图像，进行局部匹配；建立自适应窗口；根据欧式空间的接近性和Lab颜色空间的相似性，构造自适应权重；构造匹配代价：根据胜者为王算法，计算初始视差；根据左右一致性原则剔除误匹配点，再用邻点法补充剔除的误匹配点；应用边缘约束算法进行视差聚类，得到优化视差图。相较于传统自适应权重算法，本发明方法所得到的视差图精度相比较原算法而言得到明显改善，极大的提升了在低纹理和视差不连续区域的匹配效果。
-
公开(公告)号：CN111914913A
公开(公告)日：2020-11-10
申请号：CN202010692999.6
申请日：2020-07-17
Applicant: 三峡大学
Abstract: 一种新型立体匹配优化方法，输入双摄像头拍摄后经过校正的、图像类型为RGB的左右图像，将所述左右图像转换为灰度图，设定其中一个为参考图像，另一个为检索图像，进行局部匹配；建立自适应窗口；根据欧式空间的接近性和Lab颜色空间的相似性，构造自适应权重；构造匹配代价：根据胜者为王算法，计算初始视差；根据左右一致性原则剔除误匹配点，再用邻点法补充剔除的误匹配点；应用边缘约束算法进行视差聚类，得到优化视差图。相较于传统自适应权重算法，本发明方法所得到的视差图精度相比较原算法而言得到明显改善，极大的提升了在低纹理和视差不连续区域的匹配效果。
-
公开(公告)号：CN110428005A
公开(公告)日：2019-11-08
申请号：CN201910705909.X
申请日：2019-07-31
Applicant: 三峡大学
Abstract: 一种基于伞式算法的电力系统动态安全误分类约束方法，步骤1：基于动态安全分类规则，构建相应的动态安全分类标签；步骤2：对基于电力系统历史运行数据库构建的初始样本集进行特征选择，获取关键特征集；步骤3：基于伞式算法的奈曼皮尔逊综合分类器构建在线动态安全评估模型，利用关键特征集及相应动态安全分类标签作为输入送入到分类器中进行离线训练；步骤4：考虑各种电力系统运行影响因素，进行时域仿真获得更新样本集，送入到综合NP分类器中进行模型更新；步骤5：通过实时收集的同步相量测量单元数据进行在线DSA。本发明能降低DSA误分类对电力系统安全运行的影响，减少社会经济损失。
-
公开(公告)号：CN110417011A
公开(公告)日：2019-11-05
申请号：CN201910703285.8
申请日：2019-07-31
Applicant: 三峡大学
Abstract: 本发明提供了一种基于互信息与迭代随机森林的在线动态安全评估方法，包括以下步骤：基于电力系统历史运行数据以及对一系列故障的仿真，创建出包含大量运行变量与暂态稳定裕度(Transient Stability Margins，TSMs)的数据集；利用部分互信息(Partial Mutual Information，PMI)对数据集进行特征选择，筛选出关键变量；将关键变量发送到迭代随机森林(Iterated Random Forest，IRF)回归器进行训练；通过从广域量测系统(Wide Area Measurement System，WAMS)服务器实时接收到选定的变量，经过训练的动态安全评估(Dynamic Security Assessment，DSA)模型将立即提供实时评估结果。本发明提出的电力系统在线DSA模型能够为电网提供快速高效的评估，有利于电力人员的系统维护及安全措施预防的工作，对改善电网运行的安全性与质量有着重大意义。
-
公开(公告)号：CN109546647A
公开(公告)日：2019-03-29
申请号：CN201811384786.6
申请日：2018-11-20
Applicant: 三峡大学
IPC: H02J3/00
Abstract: 一种用于含风光水储的电力系统的安全稳定评估方法，它包括信号串联支路以及与信号串联支路两端连接的控制电源以及励磁调节器，信号串联支路包括串联的起励电源开关的常开接点、灭磁开关的常开接点、功率柜风机电源开关的常开接点、退励磁继电器的常闭接点、发电机额定转速继电器的常开接点、励磁系统故障继电器的常闭接点。本发明的目的是为了提供一种能在发电机开机过程中进行发电机是否具备起励条件的判断的装置和方法，以解决在不满足起励条件下，发电机开机失败，影响电力生产及电力系统稳定性，并损坏电力设备的技术问题。
-
Patent Agency Ranking
公开(公告)号：CN119806181A
公开(公告)日：2025-04-11
申请号：CN202411916787.6
申请日：2024-12-24
Applicant: 三峡大学
IPC: G05D1/46 , G05D1/65 , G05D1/644 , G05D109/20
Abstract: 基于扩张状态观测器的四旋翼悬吊系统滑模控制方法，包括：构建四旋翼悬吊系统的动力学模型；对建立的四旋翼悬吊系统的动力学模型进行了分析，得到与四旋翼悬吊系统各个状态变量一一对应的虚拟控制力矩，并据此将整个四旋翼悬吊系统分解为多个子系统；将四旋翼悬吊系统存在的各种不确定性扰动视为系统的扩张状态变量，在此基础上设计一种非线性扩张状态观测器，用于实时估计系统的扰动情况；基于非线性扩张状态观测器提供的扰动估计，为每个子系统设计非奇异快速滑模控制器。该方法实现四旋翼悬吊系统在精确追踪期望目标的同时，能够有效且迅速地抑制负载的摆动现象。
-
公开(公告)号：CN119339350A
公开(公告)日：2025-01-21
申请号：CN202411279225.5
申请日：2024-09-12
Applicant: 三峡大学
IPC: G06V20/58 , G06V10/764 , G06V10/774 , G06V10/82 , G06V10/80 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 基于改进YOLOv8的小目标交通标志识别方法，构建数据集，从数据集中选取样本图片进行标注和数据增强，并将数据集划分为训练集和测试集；对YOLOv8模型进行改进，在YOLOv8模型的骨干网络中嵌入多尺度注意力机制EMA；将YOLOv8模型的颈部网络中上采样算子替换为DySample上采样算子；将YOLOv8模型的原始损失函数CIoU替换为WIoUv3损失函数；将训练集输入到改进后的YOLOv8模型进行训练，训练完成后，使用测试集对改进后的YOLOv8模型检测性能进行检测，得到识别结果，并使用各项指标对改进后的YOLOv8模型性能进行评估。本发明一种基于改进YOLOv8的小目标交通标志识别方法，能够有效提高对小目标交通标志的识别精度和识别速度。
-
公开(公告)号：CN118013330A
公开(公告)日：2024-05-10
申请号：CN202410071562.9
申请日：2024-01-17
Applicant: 三峡大学
IPC: G06F18/24 , G06F18/2337 , G06F18/15 , G06F18/22 , G06N3/006
Abstract: 基于粒子群改进模糊聚类的变压器故障诊断的方法，包括以下步骤：步骤1：收集变压器油中溶解气体的数据，作为初始数据集；步骤2：对步骤1的初始数据集进行初始化处理；步骤3：构建粒子群改进模糊聚类模型，获得聚类中心；步骤4：基于步骤3获得的聚类中心对变压器进行故障诊断，确定待诊断变压器的故障类型。本发明一种基于粒子群改进模糊聚类的变压器故障诊断方法，解决了初始化参数难以选取的问题；通过动态随机改变学习因子c1和c2，能跳出局部最优解，得到全局最优解；非线性惯性权重w的设计，能够平衡全局与局部搜索，避免过早收敛，提高变压器故障诊断结果的准确性。
-
公开(公告)号：CN119810508A
公开(公告)日：2025-04-11
申请号：CN202411820561.6
申请日：2024-12-11
Applicant: 三峡大学
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06N3/0464
Abstract: 一种融合双层路由注意力机制的钢缆缆绳缺陷识别方法，包括以下步骤：步骤S1：对缆绳图像进行收集，并筛选出有缺陷的缆绳图像，区分缆绳的缺陷，将其划分为雷击闪络缺陷与破损断线缺陷；步骤S2：使用Labelimg对数据集进行标注，并划分为训练集、验证集、测试集；步骤S3：获得改进后的用于钢缆缆绳缺陷识别的YOLO11s模型；步骤S4：将获得的数据集输入用于钢缆缆绳缺陷识别的YOLO11s模型，结合模型对获取的钢缆缆绳缺陷图像进行识别，并使用精度Precision、召回率Recall、平均精度均值mAP和每秒传输帧数FPS作为评估指标。步骤S5：将改进后的模型与原模型进行对比，验证改进模型的突出性。步骤S6：预测数据集图片，验证实验的准确性。
-
公开(公告)号：CN119204720A
公开(公告)日：2024-12-27
申请号：CN202411167907.7
申请日：2024-08-23
Applicant: 三峡大学
Abstract: 本发明涉及一种基于优化集成的短期电力负荷预测方法及系统，获取原始电力负荷数据；对电力负荷数据集进行异常值检测、缺失值检测和数据填补，构建输入序列；对输入序列进行季节趋势分解，提取季节分量、趋势分量和波动分量；训练Informer模型，完成各分量预测；以各分量预测结果为输入，将平均绝对误差与预测误差标准差之和作为优化目标，构建权重最优化模型；通过IDBO算法对各个分量权重进行寻优，根据优化结果对各个分量加权求和，获取最终短期电力负荷预测结果。本发明通过提取电力负荷的季节、趋势和波动分量，构建相对应的Informer模型，并采用集成优化思想对各分量预测结果加权求和，有效提升电力负荷预测精度和稳定性。
-
-
-
-
-
-
-
-
-
Search Results
40
records
(took 0.019 seconds)
