前言：中文期刊网精心挑选了模糊算法基本原理范文供你参考和学习，希望我们的参考范文能激发你的文章创作灵感，欢迎阅读。
模糊算法基本原理范文1
【关键词】视频图像 车辆跟踪 GVF-Snake模型
1 目标轮廓的获取
1.1 初始轮廓的获取
初始轮廓的选取，将直接影响到试验数据最终的效果。考虑到初始轮廓选取的重要性，算法需要结合繁多交通视频图像的特点，利用帧差法获取目标初始轮廓.利用前后两帧的图像差得到差图像，将每个像素点的值与阈值比较得到二值图像。
1.2 GVF―Snake模型的改进型
获取初始轮廓，我们应用GVF―Snake模型使其收敛得到车辆目标的收敛轮廓。为准确快速地进行收敛，在传统的GVF―Snake模型的基础上结合交通监控图像的特点。
d是各控制点间的平均距离。外部能量（图像能量）函数的形式有多种，为克服基本Snake模型捕获范围小的问题，我们采用GVF能量。
1.3 GVF-Snake模型
活动轮廓模型就是一条可变形的参数曲线及其相应的能量函数，以最小化能量函数为目标，控制参数曲线变形，具有最小能量的曲线就是目标轮廓.在基本的Snake离散模型[121中，设活动轮廓曲线控制点为vi一（zi，Y。），1≤i≤N，N为控制点数2.2.3 贪心算法与自适应的增删点算法为提高收敛速度，本文算法采用willams等人提出的贪心算法。
1.4 目标跟踪模型
目标跟踪等价于在连续的视频流中对目标的区域、特征、模型、轮廓进行对应匹配的问题。常用的数学工具有卡尔曼（KalmanFiltering）、粒子滤波口1（Particle Filtering）、短程线法（GeodesicMethod）、预测算法[17]（Forecast Algorithm）等.本文采用预测算法对目标进行跟踪（预测目标在下一帧的初始轮廓），并结合交通视频的特点，对其做必要改进。由于初始轮廓与真实轮廓相差不远，GVF―Snake模型只需要保证在较近的范围内有良好的搜索能力，就能达到既快速又可靠跟踪的目的。
2 关键技术及解决方案
基于变换的视频处理过程如图2，日前，变换的视频处理技术主要是：一维子带编码和分级运动补偿，二维子带编码利用分析的多分辨率特性，准确估计运动、清除运动模糊信息；分级运动补偿针对两帧图像之间的差值信号进行变换，并在域内进行消噪、编码等，由图像之间的变化很小，使差值信号系数很少，这样提高了变换的速度。但是，视频处理速度在很大程度上取决于逆变换所需时间，视频处理的关键问题在于处理速度。
2.1采用多变换
多变换足单的推广，普通的单能同时具有对称、正交、有限支持等性质；而多放松了对单函数的限制，拥有这些特性，它对图像压缩有广阔的应用前景。
3 视频车辆检测系统的分析与设计
前面章节介绍了视频图像车辆检测的算法及基本原理，对图像处理过程中的图像预处理，边缘提取，车辆检测及分割的基本原理、算法做了介绍，对各种算法做了分析比较，提出了新的算法。
4 结语
下一步将考虑引入模糊理论，使每个阈值根据已知的参量自适应变化，进一步提高算法的可靠性。本文提出一种基于改进的视频模型的车辆跟踪算法。经实验验证该算法是有效的，能够较好地提取车辆目标的边缘，完成对车辆的跟踪。算法中引入一些阈值，尽管分别在黑夜、白昼2种模式下取值，一定程度上提高算法的可靠性，但仍然不具有自适应能力。
参考文献：
[1]张玲，陈丽敏，何伟 等.基于视频的改进帧差法在车流量检测中的应用.重庆大学学报（自然科学版），2004，27（5）：31―33.
模糊算法基本原理范文2
关键词：模糊控制；PID控制器；恒压供水；Matlab
中图分类号： TP312 文献标识码：A
1 引 言
目前恒压供水技术在农业、工业和民用供水系统中已广泛使用，由于系统的负荷变化的不确定性，采用传统的PID算法实现压力控制的动态特性指标很难收到理想的效果。在大多数恒压供水系统中采用传统意义的PID调节器，系统的动态特性指标总是不稳定，通过实际应用中的对比发现应用模糊控制理论形成的控制方案在恒压供水系统中有较好的效果。本方案在常规PID控制器基础上引入模糊控制器，实现被控制对象参数变化在一定范围内模糊PID控制，使恒压供水系统动态静态性能指标保持最优。
2 模糊控制的结构与原理
模糊控制系统是以模糊集理论，模糊语言变量和模糊逻辑推理为理论基础，采用计算机控制技术构成的一种具有闭环结构的数字控制系统，它从行为上模仿人的模糊推理和决策过程，它的组成核心是具有智能性的模糊控制器［1］。模糊逻辑控制的实质是利用模糊逻辑建立一种“自由模型”的非线性控制算法，在那些采用传统定量技术分析过程过于复杂的过程，或者提供的信息是定性的、非精确的、非确定的系统中，其控制效果是相当明显的。
模糊控制的基本原理框图如图1所示［3］。它的核心部分为模糊控制器，如图1中点划线框中所示，模糊控制器的控制规律由计算机的程序实现。实现一步模糊控制算法的过程描述如下：微机经中断采样获取被控制量的精确值，然后将此量与给定值比较得到误差信号E，一般选误差信号作为模糊控制器的一个输入量。把误差信号的精确量进行模糊化变成模糊量。误差E的模糊量可用相应的模糊语言表示，得到模糊语言集合的一个子集e（e是一个模糊矢量），再由e和模糊关系R根据推理的合成规则进行模糊决策，得到模糊控制量u。模糊控制器通常由模糊化接口、推理机、知识库和解模糊等四部分组成。
由图1可知，模糊控制系统与通常的计算机数字控制系统的主要差别是采用了模糊控制器。模糊控制器是模糊可控制的核心，一个模糊控制系统性能的优劣，主要取决于模糊控制器的结构、所采用的模糊规则、合成推理算法及模糊决策的方法等因素。
3 模糊自适应PID控制器的结构与原理
在工业生产过程中，许多被控对象受负载变化或干扰因素影响，其对象特性参数或结构易发生改变。自适应控制运用现代控制理论在线辨识对象特性参数，实时改变其控制策略，使控制系统品质指标保持在最佳范围内，但其控制效果的好坏取决于辨识模型的精确度，这对于复杂系统是非常困难的。因此，在工业生产过程中，大量采用的仍然是PID算法。PID参数的整定方法很多，但大多数都以对象特性为基础。
随着计算机技术的发展，人们利用人工智能的方法将操作人员的调整经验作为知识存入计算机中，根据现场实际情况，计算机能自动调整PID参数，这样就出现了专家PID控制器。该控制器把古典的PID控制与先进的专家系统相结合，实现系统的最佳控制。这种控制方法必须精确地确定对象模型，将操作人员(专家)长期实践积累的经验知识用控制规则模型化，并运用推理对PID参数实现最佳调整。
模糊算法基本原理范文3
【关键词】：空间负荷预测；地理信息系统；电力系统规划；
引言
电力系统规划的基础是空间电路负荷预测，伴随着近几年电力系统在精益化管理过程中，空间电力负荷已经成为电力行业最为关注的问题。空间电力负荷预测也被称之为空间负荷预测，主要是对于某范围内的电力负荷数值及方位进行判断。空间电路负荷预测是电力系统重点工作之一，按照预测结果对于某范围内电力负荷安装位置及容量进行确定，能够有效提高电路系统经济效益及稳定性能。传统负荷预测方法主要是对未来负荷数值进行确定，但不能够给出合理范围设定。伴随着电力系统精益化管理，传统负荷预测方法已经不能够满足电力规划实际需求，因此空间电力负荷预测就成为电力行业重点研究的课题。
1、空间电力负荷预测技术发展历程
根据有关记载发现，空间电力负荷预测主要是在20世纪30年代提出的，初期被称之为小区负荷预测，直到1983年，有关科研人员才真正为空间电力负荷预测技术进行定义，也就是为某一点范围内未来电荷进行判断，主要是根据电压水平上的差异，通过有关注释判断用户负荷数量及生产时间。从这以后，空间电力负荷预测逐渐被广泛应用。我国对于空间电力负荷预测技术研究时间较短，有关文献记录空间电力负荷预测信息是在1989年，近几年我国对于空间电力负荷预测技术不断深入研究，充分发挥有关平台的优势，得到了良好的发展。
2、用地仿真类空间电力负荷预测方法
2.1用地仿真法的基本原理
用地仿真类空间电力负荷预测方法主要是根据土地特点及发展规律，对于未来土地类型及面积构成进行分析研究，并将其作为基础将土地使用情况转变为空间负荷。这种方法在实际应用中，主要是将其划分为大小一致的网格，对于网格内信息数据进行分析，保证用地情况与空间属性相吻合，通过评分形式对土地类型发展水平进行客观评价。
2.2基于模糊逻辑技术的空间电力预测方法
传统用地仿真方法在土地使用决策方面，都是根据专业人员的意见对于土地类型进行评价，并通过分值大小对用地面积情况进行判断。这种评价结果受到人为影响因素较高，进而容易造成土地使用分配上面的差异。模糊逻辑技术是在1996年开始应用到用地仿真方法决策中，实际做法就是：在原有元胞空间属性分析之后，进行模糊集确定，让元胞的空间属性模糊化，在按照专业人员的建议创建模糊数据库，最后得到模糊分析结果。模糊逻辑技术的空间电力负荷预测方法最开始应用到单人决策上面，造成函数结果受到人为因素影较为严重。
2.3基于粗糙集理论的空间电力负荷预测方法
模糊逻辑技术虽然在元胞决策内应用，但是由于受到地理及社会等因素的限制，在需要提高空间预测精准度的时候，模糊规则就需要增加，造成整个决策过程十分繁琐，难以真正实现。因此，将粗糙集理论应用到空间电力负荷预测方法中，通过简约元胞决策中的有关因素，去除冗余性，让整个决策过程更加简便，提高了空间电力负荷预测方式效率质量。粗糙集理论与模糊逻辑技术在结合应用过程中，能够形成以一种综合数据挖掘方式。
3、空间电力负荷预测方法研究的展望
我国对于空间电力负荷方法虽然已经进行了大量研究，并且取得了良好的成果，但是主要还是对于预测方法方面的研究，预测方法在实际应用中一定会受到各种因素的影响与限制，因此空间电力负荷方法还是拥有良好的发展前景。
3.1空间电力负荷方法所需基础信息和数据的优化整合
空间电力负荷方法在实际应用中所需要的基础数据与信息较多，不同数据与信息来源存在较大差异，属性不同，对于空间电力负荷方法目标及模型建立方面会造成不同程度的影响。所以，如何真正解决空间电力负荷方法所需基础信息与数据整合问题是空间电力负荷方法主要发展方向，进而满足空间电力负荷方法应用需求。
3.2确定空间电力负荷方法所需的电力负荷空间分辨率
根据电力负荷空间分辨率有关概念，获得最佳电力负荷空间分辨率，为空间电力负荷提供良好的条件及基础，但是电力负荷在空间分辨率方面还面临较多问题。
4、负荷密度指标法
4.1负荷密度指标法的基本原理
规划部门要真正地将土地利用计划落到实处，也就是土地未来使用属性已经得到明确划分，才能够有效保证土地决策与实际情况相吻合，但若负荷密度指标设定不合理，则会对仿真类空间电力预测方法实际应用造成严重的影响。所以，负荷密度指标法在空间电力预测中应用，得到了广泛关注。负荷密度指标法需要先将负荷类别进行划分，其次在每一个区域内按照功能形成元胞，根据有关数据信息，对于元胞负荷值进行计算评价，进而落实空间电力负荷方法。正是由于负荷密度指标法在实际应用中需先对于负荷进行划分，然后再形成元胞，因此也被称之为分类分区法。
4.2基于智能算法的负荷密度指标法
智能算法的负荷密度指标法在实际应用中需要经过大量前期调研，尽量收集有关数据，在对于负荷类别进行划分，形成样本数据库，再按照有关影响因素，构建标准样本数据库，在每一个预测区域形成元胞，最后获得有关负荷密度指标。
5、多元变量法
5.1多元变量法的基本原理
多元变量法也称之为多变量法，该方法基于负荷峰值数据和有关影响峰值变量，对元胞负荷峰值进行预测。元胞负荷发展影响因素较多，如人口水平、气候环境等因素，对于负荷变化都会造成影响。多元变量法能够对于有关变量进行控制，并以此作为基础，创建外推模型，对于元胞未来负荷进行预测。
5.2多元变量法面临的问题
对数据质量和量的要求都比较高。元胞负荷变化受到较多因素的影响，所需要使用到的数据较多。在元胞面积较大的情况下，空间分辨率较低，造成数据在统计方面精准性难以保证，并且不同空间特点之下的数据与变量难以相互应用。
结语
空间电力负荷预测方法在时空上面的特点，并指出若按照传统负荷预测方式，预测结果精准度将难以得到保证，同时也无法给出科学合理的空间电力负荷预测方法结果，对于电力系统规划也会造成一定影响。
模糊算法基本原理范文4
【关键词】故障诊断;基本原理;神经网络;实际应用
引言
电梯在实际生活中出现不正常运行、停运等故障是在所难免的，而作为高层建筑中主要的垂直交通工具如果不能及时准确的查明故障原因并维修往往会给乘客带来巨大的生命威胁。只有保证电梯的安全运行，及时的发现故障并解决故障，才能够为乘坐电梯的乘客提供合格的安全保证。目前，国内在用的电梯缺乏完善的故障诊断系统，仅仅依靠维修技术人员的经验以及简单的诊断仪器已经不能够及时的解决复杂的电梯故障问题。神经网络技术可以应用于复杂多模式的故障诊断并且既可以用于实时监测也可以进行离线诊断，在系统模式非常复杂或者根本不知道系统模式的情况都可以应用，这些特点恰恰解决了传统方法中最最难以解决的问题。因此必须加快神经网络技术应用于诊断电梯故障的步伐，形成完善的故障诊断系统，才能更及时准确的查明故障原因进一步及时的解决问题，保证乘客的人身安全。
一、电梯的运行原理和电梯故障的特点
只有清楚地了解电梯控制系统的运行原理才能够及时准确的诊断出电梯故障原因，因此清楚的了解电梯运行原理，每一个电梯维修人员必须要做到。电梯运行过程总体上可分为以下几个阶段：第一、登记层外召唤信号和登记内选指令阶段;第二、电梯门关闭或者电梯按照系统指令停运阶段;第三、启动阶段;第四、在到达信号记录的楼层前进行减速制动;第五、平层开门阶段。在整个过程中电梯需要从外界接收信号并处理，然后完成相应的指令或者输出信号，由此可以将电梯看作是一个完整的独立的系统，只需要外界给予相应的信号就可以自动的做出动作。电梯系统内部复杂的构件紧密的结合在一起，正是如此才使得电梯系统故障具有了复杂性、层次性、相关性以及不确定性的特点。
二、神经网络技术基本原理
生物学上的神经是由一个个简单的神经元相互连接进而形成了复杂的庞大的神经系统，同理，神经网络就是由大量简单的处理单元相互连接形成的复杂的智能系统。单独的处理单元类似于一个神经元，是一个可以接受不同信息但是只输出一种信息的结构单位。神经网络系统与生物学神经系统相似的是具有自我修改能力，它可以同时接收大量的数据并进行统一的分析处理，进而输出相应的处理结果。这就使得神经网络系统具有了高度容错性、高度并行性、自我修改性、学习性以及高度复杂性，也正是由于这些特性才使的利用神经网络技术能够及时准确的查明电梯故障原因并得出故障解决方案。电梯故障诊断中应用的神经网络模型分为三个层次：输入层、接收外部信号或者是电梯自我检测信息（如载重信息）;隐含层、对接收到了大量数据进行相应的分析处理;输出层、将记录着动作命令的数据传送出来。在电梯出现故障时，首先可以通过神经网络模型快速确定故障发生在哪一层达到节约时间的目的。但是神经网络也会因为收敛速度过于慢、训练强度太大或者是选择的网络模型不好等问题导致诊断结果受到影响。
三、神经网络模型在电梯故障诊断中的应用分类
神经网络模型已经成为了如今电梯故障诊断中应用最广泛的技术模型，相比于传统方式它具有诊断速度快、故障原因命中率高的优点，因此引起了各方面专业人士的强烈关注，并在他们的不懈努力下得到了发展与创新。它跨越多个专业领域、通过对各种复杂的高难度工作的不断的发展与改进出现了越来越多的应用模型，下面主要介绍了当前应用最普遍的BP网络模型，并且简单的引入并介绍了近年来新兴的模糊神经网络模型和遗传小波神经网络模型。
（一）BP网络模型
BP神经网络作为神经网络应用最广泛的一种，它多应用的误差反向传播算法使其在模式识别、诊断故障、图像识别以及管理系统方面具有相对先进性。基于BP网络的电梯故障诊断技术就是通过学习故障信息、诊断经验并不断训练，并将所学到的知识利用各层次之间节点上的权值从而表达出来。BP网络系统的主要诊断步骤主要可以分为三步。第一步：对输入输出的数据进行归一化处理，将数据映射到特定的区间。第二步：建立BP网络模型，训练BP网络模型。第三：通过已经训练好的网络模型对原来的样本进行全面的检测。算法步骤：a、在一定的取值范围内对数据进行初始化;b、确定输入值数值大小，计算出预期输出量;c、用实际输出的值减去上一步得到的数值;d、将上一步得到的误差分配到隐含层，从而计算出隐含层的误差;e、修正输出层的权值和阈值，修正隐含层的权值;f、修正隐含层的阈值，修正隐含层和输入层的权值。
（二）遗传小波神经网络模型
遗传算法运用了生物界的优胜劣汰、适者生存的思想对复杂问题进行优化，适用于复杂的故障，起到了优化简化问题的作用。对局部数据进行详细的分析是小波法最大的特点，所以它被誉为“数字显微镜”。遗传算法小波神经网络就是运用小波进行分解的方法分解模拟故障信号，将得到的数据进行归一化，将归一化后的数值输入到神经网络模型中。它融合了神经网络、小波分析和遗传算法三者所有的优点。基于遗传小波神经网络的电梯故障诊断的一般步骤为：测试节点信号采样、小波分解、故障特征量提取、归一化得到训练样本集、遗传算法优化、得到故障类型。遗传小波神经网络模型在故障原因复杂、数据信息量巨大的电梯系统的应用中能够发挥更大的作用。
（三）模糊神经网络模型
模糊神经网络模型就是创新性的将神经网络与模糊理论结合到一起。它采用了广义的方向推理和广义的前向推理两种推理方式。与其它两种模型不同的是，它的语言逻辑、判断依据和结论都是模糊的。但是它的数据处理能力还有自我学习能力并没有因此而变差，反而更加丰富了它的定性知识的内容。在处理实际问题的过程中，首先要建立所有可能发生的故障的完整集合，其次将所有的故障发生原因归入到同一个集合中去，最后就是建立故障和原因的关系矩阵。分别叫做模糊故障集、模糊原因集、模糊关系矩阵。相较于BP网络模型，这种模型更加的简单易行，充分发挥了神经网络和模糊逻辑的优点，不会因为故障原因过于复杂而失去诊断的准确性，在原本丰富定性知识和强大数据处理能力的基础上具有了很大的自我训练能力。
结语
综上所述，神经网络技术可以应用于复杂多模式的故障诊断并且既可以用于实时监测也可以进行离线诊断，在系统模式非常复杂或者根本不知道系统模式的情况都可以应用，这些特点恰恰解决了传统方法中最最难以解决的问题，它的应用提高了电梯故障的诊断速度和准确度，保证了电梯运行的安全性。虽然神经网络技术的优点很多，但是在实际生活中的应用还很少，因此还需要不断的进行改进完善。同时还要注意将集中诊断方法融合到一起，例如稳重提到的模糊神经网络模型和遗传小波神经网络模型都是集成应用的典型代表。
模糊算法基本原理范文5
【关键词】最小割集；FTA法；变压器
1.引言
电力变压器是用来改变电压和电流、传输电能的一种静止电器，是电力系统中最重要的电气主设备，是电网安全运行的基础。随着现代社会工业化程度不断提高，对能源的巨大需求促进电力工业飞速发展，电力设备朝着大容量、超高压的方向发展。电力网络也是日趋发展为庞大的区域性甚至地区性大电网。
同时随着电力设备容量的增大和电网规模的扩大，电力设备的故障给人们的生产和生活所带来的影响也越来越大，因而对变压器发生故障原因进行研究，能找出变压器的故障特性，给变压器的检修工作提供一定的数据支持和事实依据，同时也能在一定程度上有效降低检修维护工作的复杂程度。
本文提出了一种基于FTA法的变压器的运行状态评估分析方法。该方法应用最小割集建立故障树，给出了变压器运行状态可靠性评估的计算公式。
2.基本原理
2.1 故障树分析法的定义
故障树分析法，简称(FTA Fault Tree Analysis)，是一种评价复杂系统可靠性与安全性的分析方法。故障树分析把系统不希望发生的失效状态作为失效分析的目标，这一目标在故障树分析中定义为“顶事件”。在分析中要求寻找出导致这一失效发生的所有可能的直接原因和间接原因，这些原因在故障树分析中称之为“中间事件”。然后再跟踪找出导致每一个中间事件发生的所有可能的原因，顺序渐进，直至追踪到对被分析对象来说是一种基本原因为止。这种基本原因，故障树分析中定义为“底事件”[2]。
2.2 故障树最小割集的评估方法
本文采用最小割集分析法[1]对变压器的运行状态进行定量分析评估。FTA法评定故障树就是找出导致顶事件发生的所有可能的故障模式，即求出故障树的所有最小割集。一棵故障树往往有几个最小割集，或至少有一个最小割集(对应一种基本故障事件的组合)的事件发生，则顶事件必然发生。通过分析最小割集可以告诉运行人员，哪些元件是系统可靠性最薄弱的环节。
2.3 最小割集分析法概率的求解
设系统的最小割集有n个，分别为：{}，{}…{}…{}，割集{}发生的状态概率为{}，则系统失效的概率可以按下式求得[2]：
={∪∪…∪} (1)
一般Cj(j=1，2，3，…，l)是相互包含的，则系统状态概率可以按照下式求得：
={∪∪…∪}-+…{∩…∩}(2)
并有如下的关系：
{-}≤≤ (3)
我们称为系统的状态概率的上界，而-为系统状态概率的下界。
以上的精确计算，显然是非常费时和烦琐的，以至对于复杂网络的计算将变的非常困难。为了克服这一困难，在工程设计中通常采用状态概率的上界算法来求解[3]，这样会大大提高计算速度。对于高可靠度的系统，带来的误差在允许范围之内可忽略不计。这样既保证了工程要求，又节省了大量计算时间，这种方法就是最小割集状态概率的上界算法[3]。在对配电变压器运行状态的评估计算中，本文采用上界算法计算配电变压器运行的状态概率。系统的故障概率Ps可以简化成各个最小割集故障概率的总和，即：
= (4)
3.变压器故障树的建立
在对变压器运行状态进行评估时，首先根据现场记录收集整理被评估变压器的基本事件信息，统计各基本事件运行状态的基本数据；接着设顶事件为变压器运行状态，二级事件为能导致变压器故障的主要部件故障，也称为故障树的中间事件。中间事件是导致变压器故障的直接因素和原因，这里的中间事件为：绕组故障、铁芯故障、分接头故障、套管故障、油道故障和引线故障；然后再逐步深入分析，找出故障的基本原因，即故障树的底事件，底事件又称为基本事件，这些基本事件的数据是已知的，通过现场采集到的变压器部件故障数据，可以确定基本事件由以下状态组成[5]：
1）绕组故障（X）：X1为变压器电流激增；X2为大气（雷击）过电压；X3为操作过电压；X4为制造工艺不良；X5为绝缘受潮。
2）铁芯故障（Y）：Y1为铁芯多点接地；Y2为铁芯局部过热；Y3为对地电阻降低。
3）分接头故障（Z）：Z1为分接开关受潮；Z2为高温过热；Z3为接触点压力不够；Z4为接触点污秽。
4）套管故障（A）：A1为套管的机械损伤；A2为套管密封不良；A3为套管过热导致的热应力损伤。
5）其他故障包括油道故障(B)和引线故障(C)。
由此建立的配电变压器故障树如图1所示：
图1 配电变压器故障树图
4.变压器运行状态评估
根据以上提出的基本原理，变压器的FTA法计算过程如下：
(1)各二级事件运行状态概率的计算公式为：
P(N)=，(N=X，Y，Z，A，B，C) (5)
在以上的公式中P(N)为各二级事件的故障状态概率；为各个基本事件整体设备元件的总数；为各基本事件设备元件处于不良状态个数；为各基本事件的权系数；n为基本事件的个数。
(2)变压器的运行状态的概率计算公式为：
=P(X)·+P(Y)·+P(Z)·+P(A)·+P(B)·+P(C)· (6)
在以上的公式中：P(X)，P(Y)，P(Z)，P(A)，P(B)，P(C)分别为绕组、铁芯、分接头、套管、油道和引线的故障状态概率，为各二级事件的权系数。
(3)故障概率和可靠度的关系：
5.实例分析
本文通过对某变电工区配电网同电压等级配电变压器的故障数据进行的收集整理和统计计算，得到的基本事件原始数据如表1所示，由此可计算得出配电变压器各基本事件故障概率如表2所示：
根据公式（6），得出该城区电网变压器的故障状态概率：
=P(X)·+P(Y)·+P(Z)·+P(A)·+P(B)·+P(C)·
=0.0950425%+0.053765%+0.025912%+0.0259130%+0.1193810%+0.075178%+0.0623320%
=0.0652
由以上的计算可知，通过公式（7）可得出该城区变压器无故障运行的概率为：
==1-0.0652=0.9348
根据变压器各部件的故障概率可知，该城区变压器套管的故障概率较高，因而可以确定变压器绕组是该运行工区变压器检修的薄弱环节，需要加强检修和维护。
6.结论
(1)本文根据故障树分析法的原理，结合最小割集算法，对传统的故障树分析法计算方法进行改进，提出了加权分析的FTA算法，使该算法在工程中的应用中更贴近实际。
(2)结合具体算例对变压器故障状态进行定量分析计算，找出了某地区变压器检修工作的薄弱环节，给出了相应的维修建议。
参考文献
[1]王巍,崔海英,黄文虎.基于故障树最小割集的诊断方法研究[J].数据采集处理,1999,14(1),26-29.
[2]魏选平,卞树檀.故障树分析法及其应用[A].计算机科学与技术,2004.
[3]陈文高.配电系统可靠性实用基础[M].北京:中国电力出版社,1998.
[4]张余庆,吴桂涛,崔文彬,玑大志.基于FTA方法降低涡轮增压器失效风险的研究[OL]中国科技论文在线.
[5]邹杰慧,彦运昌.电力变压器故障诊断模糊专家系统的研究开发,1994.
作者简介：
模糊算法基本原理范文6
关键词：图像 锐化 拉普拉斯算法
一、图像锐化的算法原理
图像在经过平滑处理后，往往会造成图像的边缘和轮廓模糊，对此可以采用锐化处理来使图像清晰化。锐化处理是为了突出感兴趣的细节信息，并不一定在实际观察效果上逼近原始图像。锐化处理算法分为两大类，即微分法和高通滤波。其中微分法属于空域处理算法，适宜于在硬件上实现，常用的有梯度算法和拉普拉斯算法。
1.1梯度锐化：图像为f ( x,y)，定义f ( x,y)在点 ( x ,y)处的梯度矢量 G[ f(x,y)]为：
梯度有两个重要的性质：梯度的方向在函数 f ( x,y)最大变化率方向上；梯度的幅度用 G[ f(x,y)]表示，其值为：
由此式可以得出这样的结论，梯度的数值就是f(x,y)在其最大变化率方向上的单位距离所增加的量。
由上面的公式可见：在图像变化缓慢的地方其值很小，对应于图像较暗；而在线条轮廓的变化较快的地方的值很大。这就是图像在经过梯度运算后使其清晰从而达到锐化的依据。
由于图像在变化缓慢的地方梯度很小，所以图像会显得很暗，通常的做法是给一个阈值Δ，如果G[f(x,y)]小于该阈值Δ，则保持原灰度值不变；如果大于或等于阈值Δ，则赋值为 G[f(x,y)]。
1.2拉普拉斯锐化：拉氏算子是一个刻画图像灰度的二阶商算子，它是点、线、边界提取算子，，亦成为边界提取算子。通常图像和对他实施拉氏算子后的结果组合后产生一个锐化图像。
拉氏算子 （1.3）
为了更适合于数字图像处理，将其表示为离散形式:
（1.4）
对于扩散现象引起的图像模糊，可以用下式来进行锐化：
(1.5)
这里k 是与扩散效应有关的系数，该系数要取值合理，如果k过大，图像轮廓边缘会产生过冲；反之，如果k过小，锐化效果就不明显。
如果令k =1，则公式变换为：
(1.6)
二、图像锐化算法的C语言实现
2.1锐化的总流程图
根据锐化模版，用C语言来实现这个算法。
利用不同参数调用构造图像的函数产生图像， 对产生的图像调用锐化子程序完成锐化，完成图像的锐化。其中锐化子程序主要是对产生的图像数据中每一个象素用拉普拉斯算子进行运算，得出一组新的图像数据。这样循环构造图像和调用图像锐化3 次，对图像数据进行锐化，观察图像锐化后的效果。
2.2锐化程序的实现
在这里设计了一个主函数和3个子函数，子函数分别问为Readimage、InitImage 和Laplace， InitImage.c 用于初始化图像，Laplace.c 用于对图像锐化的计算。Readimage 用于读取图像。其具体实现方法如下。
2．2.1程序主函数
主程序中运用了InitImage 和Laplace 子函数完成了图像的读取和锐化过程。首先用不同参数调用图像函数产生图像。然后调用锐化子程序来对图像中每个像素进行拉普拉斯运算生成检测图。
2.2.2图像读取的程序实现
在初始化图像子函数中，先进行初始化变量，然后使用多分支选择语句，接着构建一个16级灰度栏信息，16 个灰度不同的圆重叠在一起的图像图像，以及初始化2个实物图。其中运用了函数ReadImage 对文档中已有的图像进行载入，实行检测。在读取图像子函数中，先进行初始化变量，然后打开文件，将图像的指针变量定位在1078L 处，对1078L 指针值以下的数据进行读取，读取图像后，将文件关闭。
该程序先进行变量初始化，定义指针变量，使用判断语句打开文件。打开文件后，先对图像的存储地址进行定位，然后对指针变量进行赋值，使用循环语句读取图像信息，读取完毕后关闭文件。
2.2.3对像素进行拉普拉斯算法运算的流程图及程序
初始化工作变量，然后定位像素。对像素进行拉普拉斯运算。然后移位针对其他像素进行拉普拉斯运算。该程序初始化工作变量，然后定位相似并且赋予初值。并且对像素进行拉普拉斯运算。语句中用来两个for 语句和一个移位来实现像素运算初值转换。从而实现针对图像中每个像素进行拉普拉斯运算。
三、结语
本文主要就图像锐化处理的关键算法进行了论述，分析和研究了常用图像锐化处理算法的实现原理，选择了适合的空域处理算法。对锐化算法的几种实现方案进行了分析比较，并做了一些改进，提高了锐化算法的执行速度。
参考文献：
[1]Kenneth R. Castleman. Digital Image Processing[M]. 北京：电子工业出版社，2002.
