微电网在孤网运行时，至少需要一个电源工作在主控模式下，如恒压恒频（V/f）或带下垂特性的控制方式，从而平衡微电网的功率和电压。
主控模式下，当逆变器电源输出的功率越限时，需转为非主控模式，如恒功率（PQ）或倒下垂控制方式，而由另外一个微电网逆变器电源接替主控任务。
本文提供了一种具有滞回特性的微电网逆变器电源，可等效增大主控电源的控制能力。
若采用多个该型逆变器电源，可设置不同的门槛值，使得各个逆变器电源之间可以按照预先设定的阈值平衡微电网的负荷波动，有更好的调节特性，且不需要通讯支持。
主控模式下，当逆变器电源输出的功率越限时，需转为非主控模式，如恒功率（PQ）或倒下垂控制方式，而由另外一个微电网逆变器电源接替主控任务。
本文提供了一种具有滞回特性的微电网逆变器电源，可等效增大主控电源的控制能力。
若采用多个该型逆变器电源，可设置不同的门槛值，使得各个逆变器电源之间可以按照预先设定的阈值平衡微电网的负荷波动，有更好的调节特性，且不需要通讯支持。
2025/6/7 12:15:30
622KB
1
心电信号的噪声特点小波分析与传统信号处理方法的比较小波去噪的基本原理小波去噪的基本步骤小波去噪中的阈值函数和阈值的选取小波去噪中小波函数的选择去噪效果的评价程序说明总结
2025/5/24 0:05:28
107KB
1
本段代码是利用大津法分割阈值，获得二值图像，随后利用小面积法删除背景区域，经过运算获得肺实质的掩模图像，最后，经过原dcm图像与掩模图像的运算，获得完整的肺实质图像，完成肺实质的粗提取。
2025/5/7 2:03:01
3KB
1
说话人确认属于说话人识别(Speakerrecognition)中的一个子任务。
根据任务目标不同,说话人识别可以分为说话人确认(SpeakerVerification)和说话人辨认(SpeakerIdentification)两大类。
说话人确认是判断某段语音是否为指定的说话人所说(YesorNo),是一对一的判别问题;而说话人确认则是对于众多候选说话人集合,给定一段语音,确定该段语音是候选人集合中的哪一个人所说,是多对一问题。
对于说话人辨认来说,随着候选说话人集合不断扩大,任务复杂度增大,识别的性能会下降,而说话人确认技术则只需在给定阈值下判断Yes或者No,其性能并不受人数影响。
根据任务目标不同,说话人识别可以分为说话人确认(SpeakerVerification)和说话人辨认(SpeakerIdentification)两大类。
说话人确认是判断某段语音是否为指定的说话人所说(YesorNo),是一对一的判别问题;而说话人确认则是对于众多候选说话人集合,给定一段语音,确定该段语音是候选人集合中的哪一个人所说,是多对一问题。
对于说话人辨认来说,随着候选说话人集合不断扩大,任务复杂度增大,识别的性能会下降,而说话人确认技术则只需在给定阈值下判断Yes或者No,其性能并不受人数影响。
2025/5/4 11:25:14
220KB
1
通过拍摄的魔方照片识别每个块的颜色并展示出来，手动调节hsv阈值处理，可以通过鼠标点击图像获取hsv值，可以手动更改阈值条件，通过draw函数把不符合面积阈值的轮廓去掉,欢迎讨论https://download.csdn.net/download/qq_32107283/10950602之前这个程序有点小问题就不用看了博客原文在这：https://blog.csdn.net/qq_32107283/article/details/86774583
2025/5/4 7:24:35
2KB
1
该课题为基于颜色的MATLAB设计。
根据RGB不同分量，可以定位不同颜色，再结合形态学知识，可以精准去除干扰区域，如去除大于某阈值或者小于某阈值的面积，实现精准定位和计数。
可以应用改造于路锥识别，交通标志，红绿灯，安全帽，不同颜色的餐盘等课题中，触类旁通，举一反三，是一个很好地课题。
带有GUI可视化界面。
根据RGB不同分量，可以定位不同颜色，再结合形态学知识，可以精准去除干扰区域，如去除大于某阈值或者小于某阈值的面积，实现精准定位和计数。
可以应用改造于路锥识别，交通标志，红绿灯，安全帽，不同颜色的餐盘等课题中，触类旁通，举一反三，是一个很好地课题。
带有GUI可视化界面。
2025/5/2 18:14:09
951KB
1
以新疆红富士苹果为研究对象,探讨应用高光谱图像技术和最小外接矩形法预测其大小的研究方法。
提取苹果高光谱图像中可见红色区域受色度影响较小的713nm以及近红外区域793和852nm的3个波长图像,做双波段比运算处理。
比较所得双波段比图像可知,852/713双波段比图像中背景和前景灰度对比度最大。
对该图像做阈值分割以及形态闭运算去除果梗区域,使用8邻接边界跟踪法得到二值图像的轮廓坐标序列,采用最小外接矩形法求苹果的大小,与实测值建立回归方程。
结果表明,基于高光谱图像技术采用波段比算法,结合最小外接矩形法,能够有效地检测苹果大小,预测值与实际值最大绝对误差为3.06mm,均方根误差为1.21mm。
提取苹果高光谱图像中可见红色区域受色度影响较小的713nm以及近红外区域793和852nm的3个波长图像,做双波段比运算处理。
比较所得双波段比图像可知,852/713双波段比图像中背景和前景灰度对比度最大。
对该图像做阈值分割以及形态闭运算去除果梗区域,使用8邻接边界跟踪法得到二值图像的轮廓坐标序列,采用最小外接矩形法求苹果的大小,与实测值建立回归方程。
结果表明,基于高光谱图像技术采用波段比算法,结合最小外接矩形法,能够有效地检测苹果大小,预测值与实际值最大绝对误差为3.06mm,均方根误差为1.21mm。
2025/4/29 18:04:53
359KB
1
在日常工作中，钉钉打卡成了我生活中不可或缺的一部分。然而，有时候这个看似简单的任务却给我带来了不少烦恼。
每天早晚，我总是得牢记打开钉钉应用，点击"工作台"，再找到"考勤打卡"进行签到。有时候因为工作忙碌，会忘记打卡，导致考勤异常，影响当月的工作评价。而且，由于我使用的是苹果手机，有时候系统更新后，钉钉的某些功能会出现异常，使得打卡变得更加麻烦。
另外，我的家人使用的是安卓手机，他们也经常抱怨钉钉打卡的繁琐。尤其是对于那些不太熟悉手机操作的长辈来说，每次打卡都是一次挑战。他们总是担心自己会操作失误，导致打卡失败。
为了解决这些烦恼，我开始思考是否可以通过编写一个全自动化脚本来实现钉钉打卡。经过一段时间的摸索和学习，我终于成功编写出了一个适用于苹果和安卓系统的钉钉打卡脚本。
2024-04-09 15:03
15KB