基于残差神经网络的风机叶片结冰故障诊断

风力发电机叶片结冰故障直接影响风力发电机的运行安全和发电效率.针对这一问题,提出一种基于一维残差神经网络(1DRes-CNN)的叶片结冰诊断模型,该模型通过风机SCADA数据进行风机叶片结冰故障诊断.首先通过标记标签、数据分割、类间平衡和归一化对SCADA数据进行预处理;然后基于叶片结冰物理机制和XGBoost特征重要...     

基于双目定位测距的工业车辆实时避障

针对目前工业车辆测距避障技术中易受环境影响、信号干扰等问题, 提出一种基于双目定位测距的工业车辆实时避障方法. 首先, 对双目深度相机进行标定, 将采集到的车辆正后方作业环境图像进行双目立体矫正; 其次, 使用SGBM算法计算得到视差图, 并结合相机内参通过三角变换原理进行3D点云重建; 接下来, 对地面进行标定并拟合地面方程, 自定义有效检测范围及安全预警范围; 最后, 对行人进行方位检测, 设计了直行及转弯测距算法对范围内检测到的行人进行距离计算, 最终实现范围预警与实时规划避障. 4组实验结果表明, 行人测距算法在直行及转弯状态下0–3 m和3–5 m范围内误差均分别低于0.1 m和0.2 m, 行人检测算法的识别精度为97.38%, 检测帧率为22.12 fps, 该方法在设定范围内具有较高的灵敏性, 具备较好的实时避障效果.     

基于点密度加权的多尺度分层点云识别网络

与密集且规则分布的2D栅格状图像不同,3D点云是不规则且无序的,对其进行卷积可能会存在一定的困难,因此,提出了一种针对原始3D点云的卷积运算。该方法使用高斯核密度估计和多层感知器（multi-layer perceptron,MLP）网络来学习密度函数,将学习到的点的密度尺度结合点的相对位置,通过由MLP网络近似的权重函数之中,得到局域中每个点的权重值。整个卷积核可视为由权重函数和密度函数组成的3D点局域坐标的非线性函数,可用于对3D空间中任意点集进行平移不变和置换不变的卷积,并融合多尺度采样分组和法向特征使网络达到最佳效果。在ModelNet40和ModelNet10数据集的分类实验中,该网络分别取得了92.8%和94.7%的准确率,均高于所对比的同类方法的性能水平。将CIFAR-10和MNIST图像数据集转为点云并进行测试,结果表明网络在2D图像中的性能基本等效于传统2D卷积网络。     

密度Canopy的增强聚类与深度特征的KNN算法

K最近邻(KNN)算法作为目前使用最广泛的有监督分类算法,在大规模、多维度数据的处理方面往往是低效的,因此提出了一种适用于高维度大数据量处理的改进KNN算法.首先采用深度神经网络(DNN)作为特征提取器并进行降维,以学习到最合适的深度特征表示形式;然后通过密度Canopy算法获取到合适的集群数和初始聚类中心,成为之后K-means聚类的输入参数;最后对学习到的数据进行聚类,并采用近似相似性搜索(ASS)中的Hashing策略按其近似相似度进行集群划分,将结果作为KNN分类器的新训练样本.考虑到要查询的最近邻样本可能落在不同集群之中,导致KNN搜索的性能下降,在聚类时额外采用了一种聚类增强策略,有效缓解了这种情况的发生.使用五个不同的数据集进行对比测试,结果表明:与实验对比的算法相比,该算法不仅能够极大地提高KNN的分类精度,而且有效地提升了算法的分类效率,减少了搜索所需的距离数,对噪声数据还具有良好的鲁棒性.     

基于残差神经网络的风机叶片结冰故障诊断

风力发电机叶片结冰故障直接影响风力发电机的运行安全和发电效率。针对这一问题，提出一种基于一维残差神经网络(1DRes-CNN)的叶片结冰诊断模型，该模型通过风机SCADA数据进行风机叶片结冰故障诊断。首先通过标记标签、数据分割、类间平衡和归一化对SCADA数据进行预处理；然后基于叶片结冰物理机制和XGBoost特征重要性计算选取与叶片结冰最相关的特征；最后利用构建好的1DRes-CNN模型进行叶片结冰诊断、实验结果表明，经过优化选取的特征，相较于SCADA全部特征作为1DRes-CNN模型输入，风叶结冰诊断准确率提升约为7 %。此外，与卷积神经网络、支持向量机和随机森林模型相比，该模型具有更高的诊断性能和泛化能力。