基于大数据的变电设备状态多维感知及智能诊断系统的研究

针对现行状态检修方法在变电设备状态感知单一、系统信息孤岛、状态检修效率低下等方面的问题,本文基于大数据技术,提出变电设备状态多维感知及智能诊断系统。系统通过打造边端变电设备多维感知体系,实现设备多维、实时、全景感知,并构建统一边缘物联代理,完成感知数据就地预处理,在此基础上融合设备状态多源异构数据,搭建云端大数据平台,开展设备状态大数据智能分析诊断,实现设备精准检修。文章首先对基于大数据的变电设备状态多维感知及智能诊断系统整体框架进行介绍,然后详细阐述了系统边端多维感知和云端智能诊断部分的设计及功能。最后,选取主变压器油温-油位关联状态量为例进行状态分析评价的算例分析,算例结果证明了所提系统功能的有效性和实用性,为提高变电设备运检效率提供有效技术支撑。     

结构化压缩感知研究进展

压缩感知（Compressive sensing,CS）是一种全新的信息采集与处理的理论框架. 借助信号内在的稀疏性或可压缩性,可从小规模的线性、非自适应的测量中通过非线性优化的方法重构信号. 结构化压缩感知是在传统压缩感知基础上形成的新的理论框架,旨在将与数据采集硬件及复杂信号模型相匹配的先验信息引入传统压缩感知,从而实现对更广泛类型的信号准确有效的重建. 本文围绕压缩感知的三个基本问题,从结构化测量方法、结构化稀疏表示和结构化信号重构三个方面对结构化压缩感知的基本模型和关键技术进行详细的阐述,综述了结构化压缩感知的最新的研究成果,指出结构化压缩感知进一步研究的方向.     

改进的高速铁路安全状态协同监测数据处理方法研究

将无线传感器网络协同感知方法,应用于高速铁路固定设施状态监测,具有诸多优势,而协同感知数据的处理方法尤为关键;数据融合方法是协同感知方法在数据处理层面的理想选择;在分布式融合场景下,改进的动态误差平方求权系数法,可以充分利用无线节点的存储能力,使得数据波动性减小、一致性增强;在集中式融合场景下,将求取权系数的相关矩阵法从标量推广至多维向量,使得多维向量数据的融合方法得到丰富;仿真实验表明,改进方法下数据准确性、稳定性均优于原有算法;同时,分析比较了选取不同距离函数指数对多维向量相关矩阵法的影响。     

基于双多线激光雷达的非结构化环境负障碍感知技术

负障碍感知是非结构化环境下的难点问题,本文针对该问题提出一种新的基于双多线激光雷达（Light detection and ranging,LiDAR）的感知方法.采用分布嵌入式架构对双激光雷达数据进行同步采集与实时处理,将雷达点云映射到多尺度栅格,统计栅格的点云密度与相对高度等特征并标记,从点云数据提取负障碍几何特征,通过将栅格的统计特征与负障碍的几何特征做多特征关联找到关键特征点对,将特征点对聚类并过滤,识别出负障碍.方法不受地面平整度影响,已成功应用在无人驾驶车上.使用表明该方法具有较高的实时性和可靠性,在非结构化环境下具有良好的感知效果.     

移动群体感知中协作方法研究

在移动群体感知中,移动终端集成了丰富的感知设备和通信端口且分布广泛,能够收集、共享各类感知数据.然而,由于移动设备在感知能力、通信端口、移动规律等方面存在异构性,这与要收集实时、精确且覆盖全面的感知信息之间存在矛盾.为了在异构群体中收集优质的感知信息,提出了一种带有任务拆分的感知任务迁移算法(简称STOTS算法).该方法感知信息质量在感知数据覆盖率方面有所提高.     

基于Java2平台的网络化机器人感知系统

介绍了一个基于Internet的分布式测控系统———网络化机器人感知系统 .它充分利用了具有标准接口的网络传感器的优势 ,以Javaapplet作为远程客户端 ,可以实现机器人多维力传感器数据与TEDS等状态信息的在线访问、监测与分析 ,为进行机器人Web遥操作等高层应用提供了可靠技术保障 .     

基于双层感知的指挥系统自适应控制

在大功率场景或恶劣作业环境下,控制化作业已经成为当今社会市场发展的大势所趋。基于此,笔者提出基于双层感知的指挥系统自适应控制,通过设计控制策略、利用空间映射和转隶重组,执行控制程序。根据实验结果可知,基于双层感知的指挥系统自适应控制方法与传统方法相比,控制效果要好于传统方法,具备一定的高效性和实用性。     

移动协同感知研究综述

移动感知网在军事、工业、医疗、交通、商业上运用极其广泛.为了进一步提高移动感知网的性能,更好地协同节点的移动感知行为,本文提出了移动协同感知技术.首先介绍了国内外近年来有关移动协同感知技术的发展情况和关键技术,包括移动协同感知模型、移动协同感知中间件、移动协同感知相关技术,然后概括归纳了技术特点,最后总结了移动协同感知技术的研究意义和发展趋势.     

物联网信息感知与交互技术

信息感知作为物联网的基本功能,是物联网信息"全面感知"的手段.信息交互是物联网应用与服务的基础,是物联网"物物互联"的目的.随着物联网研究热潮的兴起,以传统无线传感器网络为核心的感知网络研究迅速升温,并在信息感知与交互方面取得了大量研究成果.文章分析了物联网信息感知与交互方面的最新研究进展.在信息感知方面,从数据收集、清洗、压缩、聚集和融合几个方面,梳理归纳了数据获取和处理的主要方法.在信息交互方面,提出了物联网信息交互的基本模型,分析总结了信息交互涉及的主要技术.在此基础上,讨论了物联网信息感知与交互研究的热点问题,包括新的感知技术、能效平衡、信息安全和移动感知网络等.最后,指出了物联网信息感知与交互技术发展面临的问题和挑战,展望了未来的研究方向.     

新一代移动警务泛态势感知安全监测研究探析

本文通过对泛态势感知与安全监测技术的研究,探索建立新一代移动警务业务行为的安全管控体系,通过全程监控移动警务业务的运行过程,全程采集应用运行数据,集中分析安全风险,提取安全事件并有针对性地提供管控手段,将固化安全基线转化为动态且面向业务的安全服务,实现可信、可管、可控的安全目标,提高健壮性和稳定性,为移动警务业务的开展提供安全服务和支撑。     

基于边缘计算的多维感知智能物联网系统设计

本设计选取ATmega328 MCU循环调用多个传感器实现多维感知;以ARM架构处理器为核心搭建Web服务器,设计数据处理与控制模块;利用WiFi与有线网实现数据的传输与外部终端访问。实测结果表明,该系统实现了对系统周围多维物理量的感知测量,具有长时间稳定运行能力,物联网数据传输时延低。     

基于Multi-Agent图案协同设计多维感知模型研究

分析了计算机支持的协同工作（CSCW）感知研究现状,回顾了Agent技术的发展,研究了Agent技术与CSCW感知问题的契合点,并将Agent技术成功地应用到CSCW的智能感知研究和实践中,提出了基于Multi-Agent的图案协同设计多维感知模型MMAMA。从而使感知具有了一定的智能性,同时提高了协同感知能力和协同工作效率。     

属性知识引导的自适应视觉感知与结构理解研究进展

机器通过自适应感知从环境中提取人类可理解的信息,从而在开放场景中构建类人智能.因属性知识具有类别无关的特性,以其为基础构建的感知模型与算法引起广泛关注.文中首先介绍属性知识引导的自适应视觉感知与结构理解的相关任务,分析其适用场景.然后,总结四个关键方面的代表性工作.1)视觉基元属性知识提取方法,涵盖底层几何属性和高层认知属性;2)属性知识引导的弱监督视觉感知,包括数据标签受限情况下的弱监督学习与无监督学习;3)图像无监督自主学习,包括自监督对比学习和无监督共性学习;4)场景图像结构化表示和理解及其应用.最后,讨论目前研究存在的不足,分析有价值的潜在研究方向,如大规模多属性基准数据集构建、多模态属性知识提取、属性知识感知模型场景泛化、轻量级属性知识引导的模型开发、场景图像表示的实际应用等.     

基于Multi-Agent图案协同设计多维感知模型研究*

分析了计算机支持的协同工作（CSCW）感知研究现状,回顾了Agent技术的发展,研究了Agent技术与CSCW感知问题的契合点,并将Agent技术成功地应用到CSCW的智能感知研究和实践中,提出了基于MultiAgent的图案协同设计多维感知模型MMAMA。从而使感知具有了一定的智能性,同时提高了协同感知能力和协同工作效率。     

基于感知的体可视化综述

体可视化是一门交互地视觉呈现三维数据场的技术,允许用户直观方便地理解数据中所包含的几何结构和特征信息,在医学影像、石油勘探、大气气象和科学计算模拟等领域得到广泛应用.由于三维数据场内部特征的复杂性,实现高表达力的体可视化需要同时考虑数据的特性和用户的因素.基于感知的体可视化技术在可视化流程中考虑人类感知过程和认知过程的特点,使得可视化的结果符合人类感知特性和习惯,达到有效地揭示数据特征的目的.文中从用户驱动的体数据分析、符合感知的可视化设计和表意性体可视化3个方面对基于感知的体可视化的相关技术进行梳理总结,并指出该领域需要进一步探索的研究方向.     

大数据时代网络安全态势感知关键技术探析

互联网为各行各业的发展都提供了充足的便利,但是也存在一定的问题,其中网络安全问题引起广泛关注。网络环境的复杂性持续提升,在这一过程网络安全问题也变得越来越严峻。大数据时代应当更加注重大数据技术的充分利用,对传统网络机制存在的局限性有效消除。网络安全态势感知技术可以对网络安全态势未来走势进行有效预测,将安全反馈结果提供给客户,支撑网络管理员做出正确决策。本文以大数据时代网络安全态势感知关键技术作为研究对象,在查阅大量相关文献以及结合以往工作经验的基础上,对传统网络安全防护主要问题进行简单介绍,然后分析了大数据时代网络安全态势感知技术重要性,最后探讨了大数据时代网络安全态势感知关键技术,期望可以为相关工作的优化提供理论参考。     

半结构化场景下移动机器人视觉边线检测综述

面向机器人自主运动的视觉感知技术是实现机器人与环境交互的关键技术之一,边线作为保证机器人运动安全的一种视觉信息,具有广泛的研究价值,而半结构化场景为边线检测带来新的挑战.基于手工提取特征的检测方法在面对非城市环境或路面视觉信息不明显的复杂场景时并不能表现出鲁棒性,利用深度学习方法进行边线检测已成为一种主流趋势.鉴于此,针对半结构化场景下的移动机器人视觉边线检测研究进行综述,考察部分边线检测算法在半结构化场景下的应用前景与应用效果.首先,对常用的边线检测数据集进行整理,从采集场景、标注类型等角度分析当前数据集及研究的侧重点;其次,对不同的方法进行分类与总结,比较检测与数据处理过程;接着,对深度学习常用的评价指标进行整理,并对不同方法在面对不同场景时的检测效果进行比较和分析;最后,针对半结构化场景下边线检测所存在的问题,对基于深度学习的视觉边线检测方法的研究方向进行展望.     

一种负载感知的结构化P2P协议

提出并建立一种负载感知的结构化P2P协议——LaChord,采用负载感知的被动式路由表维护机制和负载感知的路由算法,通过增加轻载节点的入度来增大轻载节点作为路由中继节点的概率,在保证查询性能的前提下使消息路由到轻载节点。实验表明,与没有采用负载感知的协议相比,采用负载感知的结构化P2P协议可使系统内节点负载达到更好的平衡,负载感知的算法有助于提高系统的扩展性能。     

基于云架构的智能警务协同指挥系统研究与应用

由于现代城市警务涉及范围广,技术上要求在终端上(包括移动终端)实现图像、语音和位置等信息的快速关联。针对立体化警力调配和扁平化协同指挥的信息化响应速度快等需求,通过对云计算、SIP、XMPP、HDFS文件系统及人工智能等技术研究,提出了警务云架构模型。采用改进的异步Web Server和PHP等方法,实现海量多元异构数据云存储、各类跨平台终端统一接入和人工智能指挥辅助决策等应用。应用结果表明,基于云架构的智能警务协同指挥系统可极大提高信息存储量、查询效率以及网络带宽的利用率,满足现代城市警务的实战要求。     

基于群智感知的城市噪声检测与时空规律分析

通过在地图上用不同颜色表示不同的噪声污染等级,噪声地图能直观地展示城市各个区域的噪声污染情况.为了高效、经济地得到噪声地图,实现了一个基于群智感知的城市噪声检测和噪声地图生成系统.该系统以参与者的智能手机为感知终端,实现噪声污染数据的测量与采集;通过在服务器上综合处理所有感知终端的测量数据得到各个区域的噪声污染信息,使得用户可以在手机上查看噪声地图;在此基础上,对城市噪声的时空规律进行了分析和讨论.为解决测量数据是随意的和不完全的问题,该系统采用一种基于压缩感知的数据采样和压缩方法:各个感知终端独立地、随意地进行数据测量和压缩而不需要相互通信,服务器依然能够恢复重建出所有区块的噪声污染信息.实验结果表明,文中系统能够在保证精度的情况下,有效地减少感知终端的数据传输代价.