杨阳
- 作品数：16 被引量：12H指数：2
- 供职机构：上海电机学院更多>>
- 发文基金：上海市教育委员会创新基金更多>>
- 相关领域：电气工程自动化与计算机技术环境科学与工程文化科学更多>>
- 基于ZigBee网络的污水处理监测研究被引量：2
- 2015年
- 研究、分析了ZigBee网络的组网过程及其路由算法。首先针对污水水质监测这一特殊的应用场景,阐述了当前实际工程应用的方案及ZigBee网络在水质监测中的作用;其次根据污水处理实际,分析了现有的ZigBee路由算法,然后提出了一种基于无线传感器网络的污水处理路由方法;最后利用NS2仿真软件对实际应用中ZigBee无线网络在污水处理的路由机制作了仿真分析。
- 杨阳吕红芳徐宇飞潘志刚
- 关键词：ZIGBEE网络路由算法污水处理
- 基于小波去噪的FFT谐波检测
- 2015年
- 为了电力设备的安全稳定运行,谐波的检测与分析是十分有必要的。电网中的信号不仅有谐波信号,还有各种噪声信号,尤其是噪声信号严重影响谐波检测分析的准确性。针对噪声信号,通过小波软阈值去噪算法对噪声信号进行降噪处理,然后通过FFT(快速傅里叶变换)对去噪后的信号进行处理分析,从而得到各次谐波的频率和幅值。MATLAB仿真结果表明,对含噪信号进行软阈值去噪后再利用FFT进行分析,可以得到更准确的谐波频率和幅值的参数。
- 徐宇飞吕红芳杨阳
- 关键词：小波傅里叶谐波MATLAB
- 基于加Blackman窗FFT和db44小波包变换的综合电力系统谐波分析
- 2016年
- 传统的傅里叶变换(FFT)主要适用于平稳信号的分析,确定信号的幅值和频率,但会丢失信号的局部信息,而小波包变换虽然可以准确得到信号局部细节的信息,但其分析精度不及傅里叶变换。将高分析精度的傅里叶变换和可以准确得到信号局部细节信息的小波包变换结合,提出结合两者优点的谐波分析方法。对平稳信号采用加Blackman窗傅里叶变换进行分析,得到信号的频率和幅值。对暂态信号采用db44小波包变换进行分解分析,得到信号局部细节的信息。通过MATLAB仿真结果表明,该方法可以准确分析电力系统中的稳态谐波并准确定位暂态谐波。
- 徐宇飞吕红芳杨阳
- 关键词：谐波分析FFT小波包变换
- 一种可参与电网能源优化配置的家用微电网系统
- 本发明公开了一种可参与电网能源优化配置的家用微电网系统，包括DSP处理器、蓄电池模块、外接的分布式电源模块、用电表、AC/AC、负载以及电网；所述DSP处理器分别与蓄电池模块、AC/AC以及电网连接，DSP处理器用于与电...
- 束剑波汤学华杨阳张迪周俊成
- 文献传递
- 一种火星车储物机械爪
- 本发明公开了一种火星车储物机械爪，其技术方案要点是：一种火星车储物机械爪，包括固定支撑架，所述固定支撑架转动连接有主活动板、副活动板，所述主活动板与副活动板呈交叉设置，所述主活动板及副活动板远离固定支撑架的一端均设置有储...
- 汤学华杨阳邓耀超张迪
- 文献传递
- 基于深度学习网络的风电场功率短期预测研究被引量：9
- 2015年
- 对风电功率进行有效预测能够减少风电接入对电网的不良影响,利于电网调度。以上海某风场为对象,基于深度学习网络建立了功率智能预测的模型,并对该模型的实用性进行探讨,以探究预测精度更高的功率预测方法。首先对数值天气预报(Numerical Weather Prediction,NWP)数据和风电场数据进行分析处理,然后基于深度学习网络建立数值天气预报数据的校正模型,并仿真该模型,将计算得到校正后的数值天气预报数据作为功率输出模型的输入参数,最后基于深度学习网络建立考虑风速、风向、温度、气压和历史功率的风机功率输出模型,并仿真该模型,预测24 h内各风机的有功输出情况。预测过程和结果显示,基于深度学习网络的智能功率预测模型能够提高短期功率预测的精度,且基于深度学习网络的数值天气预报校正能有效修正模型的输入误差。
- 潘志刚刘三明李莹朱晓伟杨阳
- 关键词：风电场数值天气预报功率预测
- 一种火星车储物机械爪
- 本发明公开了一种火星车储物机械爪，其技术方案要点是：一种火星车储物机械爪，包括固定支撑架，所述固定支撑架转动连接有主活动板、副活动板，所述主活动板与副活动板呈交叉设置，所述主活动板及副活动板远离固定支撑架的一端均设置有储...
- 汤学华杨阳邓耀超张迪
- 文献传递
- 多功能投影仪遥控器
- 本实用新型公开了一种多功能投影仪遥控器，该遥控器包括遥控器主体，所述遥控器主体的前部安装有控制电脑的激光笔功能按钮，后部设有凹槽，所述凹槽内有控制投影仪开关及调节其模式的投影仪按钮和控制日光灯开关的日光灯开关，所述遥控器...
- 徐宇飞杨阳
- 文献传递
- 基于无线传感器网络的污水水质预测研究
- 杨阳
- 基于智能婴儿床的婴儿状态深度学习提示方法
- 本发明提供一种基于智能婴儿床的婴儿状态深度学习提示方法，包括步骤：S1：建立一婴儿状态判断模型并将婴儿状态判断模型安装至一智能婴儿床的深度学习芯片；S2：通过智能婴儿床的振动传感器收集婴儿的活动数据；S3：将活动数据发送...
- 邓耀超汤学华杨阳熊颖牛凡
- 文献传递
