离散差分模块在癫痫脑电分类中的应用

针对癫痫脑电信号多分类的精度提升问题,提出了一种基于信号转差分模块与卷积模块结合的分类算法.信号转差分模块对原始脑电信号进行多阶差分运算,得到描述其波动特征的差分表示;然后卷积模块动态学习的方式将差分脑电信号转换为图片,利用预训练的卷积神经网络来提取信号特征并实现自动分类.分类结果表明,与现有研究相比,所提出的方法的最...     

基于局部均值分解和矩特征的图像拼接检测

数字图像的真实性检测在信息安全领域有着重要的应用.图像拼接是图像篡改中最常用的手段之一,拼接检测的关键在于提取区分自然图像和篡改图像的有效特征,为此提出了一种基于局部均值分解(LMD)和矩特征的数字图像拼接篡改盲检测算法.该方法将图像检测问题转化为两分类模式识别问题,分别提取图像的LMD特征和矩特征,得到混合特征,并用Adaboost算法进行分类检测.在哥伦比亚大学数字图像拼接检测数据库上的实验结果表明,该算法的检测准确率达到93.61%,优于其他几种常用的检测算法.     

基于篡改区域轮廓的图像拼接篡改盲取证算法

为了解决传统图像拼接篡改检测方法特征单一、检测方法固化、篡改区域定位偏差大等问题,提出了一种基于篡改轮廓的图像拼接篡改检测方法。该方法对图像拼接篡改痕迹进行分析,在频域中建模,提取多步马尔可夫特征表征系数转移特性,并提取局部信息熵与差分激励表征当前位置系数分布变化情况。该算法将三种特征进行融合,并采用Real_Adaboost分类器进行训练,以输出每个像素属于轮廓或者其他区域的概率。最后,采用条件随机场(CRF)对分类器输出结果进行后处理,以获得更加准确的篡改轮廓线。根据标准数据集CASIA2、Columbia上的测试结果显示,该算法的分类与定位性能均优于传统的基于手工设计特征的拼接检测算法。     

并联提取与特征融合注意力网络下的裂缝检测

针对裂缝检测现有方法精度低、噪声多和细节丢失等问题,设计了一种基于并行提取和注意力融合网络的裂缝检测算法。首先,利用不同深度的多尺度卷积并联神经网络提取裂缝场景的高、低级特征;然后,为了提高检测精度,针对裂缝场景的特征,结合像素注意力机制对裂缝场景的高、低级特征进行有效融合,得到用于裂缝检测的有效融合特征;最后,利用非线性映射进行裂缝检测结果输出。实验结果表明,所提算法能够获得高精度检测结果的有效特征,裂缝检测结果细节更加清晰,且有监督学习方式在很大程度上消除了检测结果的噪声干扰,得到了视觉效果更佳的检测结果;所提算法在精确率和召回率等定量指标评价中同样具有良好的表现,裂缝检测精确率达到85%。     

一种视频对象分割技术的研究与实现

本文提出一种可以从复杂场景中分割出视频对象的方法.首先对视频图像进行全局运动估计和补偿校正,并将相邻两帧进行差分检测.然后利用Neyman-Pearson准则从差分图像中提取运动区域,根据提取的运动区域研究了一种在序列图像差分域中进行区域生长的算法,获得了视频对象的二值化分割模板.最后利用运动检测算法剔除由于噪声导致的标记块.实验结果表明,本文所述方法能够有效的分割出视频对象.     

基于机器视觉的触点零件在线检测系统研究

为了实现对触点零件的外观形貌质量检测,研究并提出了一种适用于机器视觉检测技术的触点类零件在线检测算法。针对触点零件几何及纹理缺陷的检测要求,设计了独特的算法流程。根据触点类零件的几何缺陷对零件图像提取了5种几何特征,针对零件图像的纹理缺陷,采用灰度共生矩阵的方法提取4种零件纹理特征,检测算法分步、有针对性的对触点进行几何及纹理缺陷的检测。文中对特征提取算法的有效性与常规的特征提取算法进行了对比试验,试验表明提出的算法流程较为简单实用,并能准确高效地识别出目前触点零件中存在的主要质量缺陷。系统基本满足触点零件在线检测的准确性及实时性要求。     

一种基于特征重用金字塔的舰船检测算法

针对现有算法在SAR图像舰船目标检测场景中难以提取模糊目标特征的问题,提出一种基于特征重用金字塔的舰船目标检测算法。所提算法以YOLOV4-tiny为主体,首先将线性因子引入到K-means算法中整合初始锚框,加强网络对多尺度目标的适应性;其次在主干CSPDarknet53-tiny中添加注意力机制来抑制干扰信息,减弱复杂背景的影响;最后利用特征重用机制强化特征金字塔,提升网络对模糊目标特征的提取能力。实验结果表明,相较于YOLOV4-tiny网络,改进后的算法在SSDD数据集上的平均检测精度提升11.79%,证明了改进后算法在舰船检测中的有效性。     

视频图像动目标检测的双三帧差分算法

三帧差分法进行视频图像动目标检测时利用两个帧差分的结果进行逻辑与运算,进而进行轮廓提取。这种取交集的算法势必会丢掉相互独立的目标轮廓部分,因而容易造成目标轮廓断裂和空洞。为改善算法性能提出了双三帧差分算法,该算法利用连续两次或多次具有交集的三帧差分的结果进行逻辑或运算,采用取并集的方法在最大程度上恢复三帧差分算法提取的动目标轮廓的完整性。基于连续4帧和5帧视频图像给出了算法的具体逻辑结构,仿真实验结果给出了新算法与传统算法的性能指标对比。     

基于形态距离的日负荷数据自适应稳健聚类算法

为克服传统划分式聚类算法的聚类数k值难以确定以及聚类结果稳定性较差的问题,提出一种基于日负荷曲线形态距离的自适应稳健聚类方法。利用差分算法和分位数对原始日负荷曲线进行特征提取,将其转化为描述负荷曲线形态特征的离散类属性数据,用曲线形态差异度量替代对负荷数据的欧氏距离度量,避免数据标幺化可能带来的信息缺失;进一步引入特征属性加权和隶属度惩罚,根据样本形态特征,提出基于动态层次Fuzzy U-K-modes的自适应聚类算法,通过多阶段聚类和构建聚类系谱,自适应地确定聚类中心和k值,在不过多损失效率的前提下,使聚类结果的稳定性大幅提升;最后以某地区4869个用户的日负荷数据为研究对象,验证了所提算法的有效性。     

基于改进SAE网络的织物疵点检测算法

针对传统织物缺陷检测手工提取特征困难,疵点样本有限的问题,结合卷积自编码器(CAE),提出一种基于Fisher准则的栈式去噪自编码器算法(FSDAE)。首先从原始图像中截取若干小块图像,采用稀疏自编码器(SAE)训练,得到小块图像的稀疏性特征;其次利用该特征,初始化CAE网络参数,提取原始图像的低维特征;最后将该特征数据送入FSDAE网络进行疵点检测分类。分别对3类织物进行测试,实验结果表明,算法能够有效地提取织物图像的分类特征,且通过加入Fisher准则,提高了织物疵点的检测率。     

基于边缘计算和改进YOLOv5s算法的输电线路故障实时检测方法

随着输电线路无人机巡检工作的常态化,暴露出故障图像检测实时性、模糊目标检测精准性难以满足实际工作需求的问题。文章提出一种基于边缘计算和改进YOLOv5s算法的输电线路故障实时检测方法。以YOLOv5s为基础检测模型,基于Ghost轻量化模块重构模型获取数据特征的卷积操作过程,提高了模型的检测速度;采用基于KL散度分布的损失函数作为目标框定位损失函数,提升了模型对模糊图像检测的精度。将改进的YOLOv5s算法部署于华为Atlas 200 DK边缘模块中,对绝缘子自爆、防震锤脱落、鸟巢3类故障进行检测,其平均精度均值可达84.75%,检测速度为34 frame/s。结果表明,改进的算法在保证检测实时性的同时,能够提升对模糊故障目标图像的检测精度,满足无人机搭载边缘设备的输电线路巡检需求。     

变电站非视距环境移动目标实时精准定位方法

在基于无线传感器网络的变电站移动目标定位系统中,测量信号的传播路径容易受到变电站内各种设备的遮挡,导致测量误差增大,影响最终定位精度。针对现有实时定位算法受测量误差影响较大这一现状,本文提出了一种受测量误差影响较小的新型高精度定位方法,实现在变电站内对移动目标的精准定位。根据定位锚点提供的测量信息,采用两步线性最小二乘法初定位。引入误差概率算法,对初定位结果进行二次处理,求解出的概率最大点即为待定位目标的最优位置估计。进行仿真分析与实验验证,与现有算法进行比较。文中提出的算法在变电站环境下,将每一单一坐标误差控制在30cm以内,相较于现有实时定位方法,定位精度提升了50%以上。结果表明该定位方法能够有效提升在变电站环境下定位结果的准确性。     

变压器绕组的垂直表征式超声波三维成像检测系统研究

绕组变形是造成变压器故障最常见的原因,因此直观、定量的带电检测方法极具意义。目前的绕组变形超声波成像检测方法,必须知道绕组半径及绕组中心点位置等变压器内部参数,且只适用于绕组线圈的径向变形,具有较大的局限性。为此,提出了绕组变形的垂直表征式超声波三维成像检测方法。首先,为解决目前算法必须知道变压器内部参数的问题,用发射换能器到绕组的垂直距离作为绕组状况的特征量,形成了垂直表征式超声波三维成像算法。然后,提出了绕组变形定量定性表示方法,能适用于多种形状的绕组形变,显著拓展了三维成像检测方法的应用范围。研制垂直表征式超声波三维成像检测系统,能对绕组进行三维成像带电检测。最后,对某模拟变压器进行现场试验,验证了系统的有效性。     

基于模糊支持向量机的继电保护状态在线评价

继电保护状态评价工作一直以来都是状态检修的重点和难点。提出一种基于模糊支持向量机的继电保护状态评价方法。首先,获取智能变电站继电保护装置的历史数据,从中选择合适的状态评价因素,再对状态评价因素进行数据预处理,并根据状态巡视及故障记录计算装置在各巡视点的百分比剩余寿命,生成训练样本集。然后通过模糊支持向量机回归训练生成模型,利用在线巡视记录,对装置状态进行在线评估。并根据最差指标,判定装置的当前状态,作为最终的在线状态评价结果。仿真分析表明,方法通过引入样本权重,能够区分本装置样本和同型号装置样本的不同,使得算法能够兼顾装置的个性和家族性共性,并具备一定的抗噪能力。     

基于集成深度神经网络的配电网联络关系辨识技术

随着城市配电网络规模不断扩大,配电网实时拓扑难以获取已成为观测其运行状态的主要瓶颈。为了解决传统拓扑辨识方法噪声敏感性高、在线运行难等问题,提出了一套基于集成深度神经网络的配电变压器(简称配变)联络关系辨识方案。首先,依据配电网测量的横纵连续性,对历史数据进行二维小波阈值去噪,降低噪声对辨识结果的影响。为提高深度学习算法的精度上限,采用搜索、生成与评价的策略对数据进行特征提取与选择。然后,以选择的特征为输入,构造交叉熵深度神经网络,通过网格搜索优化深度神经网络的超参数。采用集成学习的策略训练同质深度神经网络,保证模型的在线拓扑辨识能力。最后,通过在TensorFlow上进行的实验验证了提出的集成深度神经网络模型在配变联络关系辨识中的精确度与鲁棒性。     

智能机器人巡检系统在输变电工程中的应用研究

为了有效解决输变电工程中巡检难度大、效率低等问题,设计了一种基于人工智能的机器人巡检系统。通过设计智能机器人巡检系统整体结构和智能巡检机器人关键技术两方面,详细研究智能机器人巡检系统在输变电工程中的应用。整个系统主要包含基站子系统、通信子系统、终端设备。提取输变电工程关键纹理特征、定位巡检过程中特定图像目标,并检测局部放电异常声音,完成异常声音训练和识别,实现输变电工程的智能巡检。经过实验测试可知,可控制水平方向定位精度在5毫米以内,垂直方向定位精度在3毫米以内。能够通过综合监测平台客户端软件或移动客户端实现对巡检机器人的实时遥控、任务配置以及数据访问等。各项指标测试显示,智能机器人巡检系统适用于输变电工程,并且具有较高的工作效率。     

基于矩阵分解的电力监控系统局域网异常流量检测方法

当前的电力监控系统在各安全区的横向和纵向边界上部署了严密的安全防护策略。然而,在边界内部,局域网内各设备间的网络流量限制较少,局域网内部存在设备间的安全威胁。为了实现电力监控系统中网络内部安全事件的检测,本文提出了一种基于矩阵分解的电力监控系统内部恶意流量检测方案,通过对网络内部历史流量的采集和训练,得到正常流量模型,并以白名单的形式对网络内部流量实时检测。实验证明本文提出的检测方案具有对未知异常流量的检测能力和模型自适应迭代特点。     

基于决策树算法的关口计量装置运行状态评估

针对关口电能计量装置数量多,周期检验工作量大,人工巡检工作效率低,巡检成本高,故障定位周期长,运行状态不可控等问题,提出建立关口计量装置监测系统,基于决策树算法实现关口计量装置运行状态快速评估的方法.文中对关口计量装置在线监测系统进行了需求分析,介绍了决策树算法,利用关口计量装置历史运行数据对决策树算法进行应用研究,将...     

变电站室内柔索驱动巡检机器人系统设计与运动学分析

针对变电站室内巡检机器人在复杂场景下运动系统误差大导致巡检点位覆盖范围窄的问题,提出一种柔索驱动巡检机器人系统方案。综合考虑变电站巡检路线特点,从伺服驱动系统、运动控制系统和机器视觉系统三个方面进行了巡检机器人的系统硬件设计,并从运动控制软件和视觉系统软件进行了系统软件设计。同时建立柔性承载机构的运动学模型,采用该模型进行了水平和垂直定点巡检轨迹仿真。经南方电网某66 kV变电站示范应用表明,所设计的柔索驱动巡检机器人水平与垂直运动误差可控制在0.03 mm内,有效提高了运动系统精度,在变电站室内巡检中应用前景广阔。     

EEMD方法在转子碰摩故障诊断中的研究

转子系统发生局部碰摩故障时,故障特征呈现出复杂的高倍频或分数倍频成分。为了实现多频率碰摩故障特征的有效提取,将集合经验模态分解方法(ensemble empirical mode decomposition,EEMD)应用到转子局部碰摩故障诊断中。首先利用仿真碰摩信号,验证了EEMD时频分析方法在碰摩故障诊断的有效性,其次通过对转子系统水平方向碰摩、竖直方向碰摩、水平-竖直同时碰摩和正常4种不同振动状态的EEMD分解,计算基本模态分量(IMF)的振动强度,得出不同状态的振动强度趋势分布图。实验结果表明,EEMD方法能够从强噪声背景信号中提取出微弱碰摩特征,实现转子系统的碰摩故障诊断。