基于Simulink的两电平有源电力滤波器(APF)SVPWM谐波治理抑制和无功功率补偿模型.zip

利用Matlab/Simulink对两种电弧模型(Mayr和Cassie电弧模型)进行了仿真。基于模型可分析模型参数对输出波形的影响，验证与实际故障电弧的相似度，对故障电弧保护装置的设计和研制起到积极作用。Cassie和Mayr电弧模型方程表达了电弧电压、电弧电流、电弧电导、时间常数、能量损失之间的关系； 可结合同名博客 “基于MATLAB的电弧仿真模型（Mayr/Cassie 电弧模型）” 进行配套仿真；https://blog.csdn.net/m0_64770246/article/details/128684204?spm=1001.2014.3001.5501；

为了有效预防疲劳驾驶引发的交通事故，本文开发了一种基于 dlib 模型的疲劳驾驶检测系统。研究表明，疲劳状态常常表现为人体面部表情中的眨眼、打哈欠和点头等行为。本系统通过提取驾驶员面部的68个特征点及其坐标，并利用 dlib 模型计算长宽比，从而统计驾驶员眨眼和打哈欠的次数。同时，利用人体姿态估计算法，以便统计驾驶员的点头次数。通过分析驾驶员的眨眼、打哈欠和点头次数，本系统能够及时检测出驾驶员的疲劳驾驶状态，并及时作出安全提示，从而有效预防疲劳驾驶引发的交通事故。

Simulink虚拟同步机并网控制仿真模型，VSG控制，无电压电流环，直流侧1000V，交流侧380V，实现稳定并网，构网型控制，主动支撑电网。

该模型采用模型预测控制方法（MPC），实现道路场景的轨迹跟踪，实现实时跟踪并达到预设轨迹

这个资源包含一个为Yolo目标检测模型特别设计的数据增强Python脚本。脚本采用多种数据增强技术，包括图像缩放（保持比例和下降比例）、随机水平和垂直翻转、中心裁剪，以及图像属性（亮度、对比度、饱和度）调整。此外，它还提供了高斯噪声、盐噪声和椒噪声的添加功能，使模型能够更好地处理现实世界中的图像。这些数据增强技术能够显著提高目标检测模型在多样化环境下的准确性和鲁棒性。 这个脚本非常适合机器学习和计算机视觉研究者，尤其是那些使用Yolo进行目标检测的开发者。通过本脚本，用户可以轻松地对他们的数据集进行增强处理，从而提高模型的泛化能力和性能。无论您是深度学习的新手还是经验丰富的研究者，这个资源都是您的理想选择。

基于高斯过程回归(GPR)时间序列区间预测，matlab代码，单变量输入模型。 评价指标包括:R2、MAE、MSE、RMSE和区间覆盖率和区间平均宽度百分比等，代码质量极高，方便学习和替换数据。

在系统工程初期阶段，系统产生的信息均以文档形式描述和记录。但是随着系统规模和复杂程度的不断提高，基于文档的系统工程面临的困难越来越突出，如信息表示不准确造成歧义、难以从海量文档中查找所需信息、无法与其他工程领域的设计相衔接（如软件、机械、电子等）。于是基于模型的系统工程（MBSE）应运而生，这也是未来系统工程发展的必然趋势。国际系统工程学会（InternationalCouncilofSystemsEngineering，INCOSE）在2007年提出了基于模型的系统工程，它是系统工程领域发展的一种基于模型表达的方法。一方面，MBSE通过标准系统建模语言构建需求模型、功能模型、架构模型，实现需

使用YOLO模型结合pyqt图形界面可视化目标检测，拥有摄像头，图片，视频检测三大模块。

基于SDG模型的故障诊断技术及发展，刘艳红，谢刚，介绍了基于SDG模型的故障诊断技术的原理，包括SDG中节点和支路的物理意义，SDG模型建模方法，推理机制以及利用SDG模型进行故障诊断的