基于样本协方差矩阵最大特征值的低信噪比环境电网异常状态检测

为发展基于数据驱动的电网态势感知理论与方法,基于样本协方差矩阵的最大特征值(Maximum Eigenvalue of Sample Covariance Matrix, MESCM),提出了一种适用于低信噪比场景的电网异常状态检测方法。该方法源于随机矩阵理论,通过数据源矩阵的构造,窗口数据矩阵及其标准矩阵的构建,进而形成其样本协方差矩阵。通过该矩阵的最大特征值计算与越限判别,实现电网态势感知与预警。借助PSS/E软件,案例分析在一个IEEE 39节点系统及一个南方电网规划系统展开,涉及负荷异常跃变及三相短路接地故障。与传统平均谱半径分析法的计算结果比较表明该方法具有抗噪性能高,计算耗时少的优点,同时对于非完整性信息有一定的鲁棒性。     

基于协方差矩阵的运动目标跟踪方法研究

提出了新的运动目标检测和跟踪的方法。首先采用差异累积的方法自适应地更新背景模型,用背景差法进行提取目标。把经过二值化后的视频帧进行分块,设定方块内前景点个数的阈值,接着对方块矩阵进行连通区域合并,从而确定前景点位置。接着提出通过协方差描述算子来跟踪行人的算法。用图像特征的协方差矩阵来表示目标窗口,就可以找到空间特性和统计特性,并在同一个表达式内描述它们之间的关系。通过搜索整个图像找到和当前目标模型的距离最小的区域,得到的最佳匹配区域就是当前帧目标的位置,从而达到跟踪的目的。协方差矩阵将不同形式的特征有效地融合到一起,并且它的维数很小。实验结果表明,算法具有良好的检测效果和实时性能。     

基于自适应时序窗口加权k近邻的故障检测方法

为了解决在工业生产过程中时序和多阶段的问题,提出了一种基于正交局部保持投影(OLPP)和自适应时序窗口加权k近邻(ATSWKNN)的故障检测方法。首先,采用OLPP方法,在保持样本近邻关系的基础上,将原始数据投影到低维特征空间;其次,在特征空间中选取某类时序窗口,并计算时序平方距离;然后,将窗口内样本到其空间上近邻集的平均累积平方距离的倒数作为权重;最后, 构造统计量对过程进行监控。OLPP ATSWKNN通过时序信息的提取和窗口内权重的引入降低了过程的自相关性和解决了多阶段的统计差异问题。此外,自适应的窗口切换策略解决了阶段切换时统计指标异常的问题。通过对数值模拟过程和青霉素发酵过程的监控实验,检验了OLPP ATSWKNN的监控性能,监控结果显著优于经典方法。     

融合 RMT 特征值的电网异常状态检测

随着电网规模的不断扩大,电网监测数据变得越来越多元化、高速化、海量化,使得电网监测工作变得更加复杂和艰巨。针对传统方法处理电网高维数据效率低、同步性差的问题,本文研究了一种利用随机矩阵理论(RMT)提取监测数据特征值实现电网异常状态的检测方法。首先,设计了电网内异常扰动类型,构建了一个矩阵窗口来选择时间序列内的监测信号,从而建立高维矩阵;其次,应用M-P定律和单环定律进行矩阵变换,提取特征值并根据特征值分布情况来判断系统状态;然后,基于特征值的线性统计,构建了多种评价指标,包括最大特征值(MESCM)、最小特征值(EME)、最大最小特征值之比(MME)和平均谱半径(mean spectral radius, MSR)等指标;最后,比较了每个统计指标在电网出现短路故障、开路故障以及故障清除时的表现,以实现电网状态识别、异常事件检测和电网稳定性评估。案例测试结果表明,这些指标可以准确判断系统是否发生异常、检测异常的起止时间,并评估电网的稳定性。本文方法可以检测开路、短路等扰动事件,实现全局监测数据的同步处理,其计算量较小、效率高,适用于大规模电网异常状态的检测。     

随机矩阵理论在配电网早期故障检测中的应用研究

针对配电网结构复杂,运行状态受到多种因素相互作用影响,提出了一种基于随机矩阵理论的配电网早期故障检测方法。首先提出采用配电网馈线及其支线下所有配电变压器在线监测负荷数据并构造时空数据矩阵,然后利用移动窗口法和随机矩阵理论,连续分析统计数据矩阵中元素的特性,采用线性特征值统计量作为统计指标,用以表征数据的行为。工程实例测试结果表明,该方法能有效实现配电网早期故障事件检测,对于配电网线路巡检具有一定的指导意义。     

磁声成像系统矩阵特征值差异性仿真研究

磁声成像技术是一种利用电磁场及超声场耦合成像的技术,能以超声分辨率来显示生物组织电特性分布参数.为具体分析一些检测条件对磁声成像系统重建的影响,获取高分辨率电导率图像,对磁声成像系统矩阵特征值差异性进行仿真研究.从磁声成像声源产生原理出发,分析磁声声源的特性,并分别针对不同声换能器个数、不同磁声信号接收采样角度及不同带...     

基于改进YOLOv3的酒瓶盖瑕疵检测算法

在智能酿酒工艺中,对酒瓶外包装进行瑕疵检测是质检环节重要的一环。本文基于改进YOLOv3目标检测算法,将其应用到酒瓶盖瑕疵检测的环节中,最终结果符合工厂生产线对瑕疵检测精度和速度的要求。该方法在YOLOv3主干Backbone网络的残差模块中引入SENet Module,应用注意力机制加强对特征的提取,在Neck特征金字塔网络中引入自适应特征融合网络（ASFF）,融合不同尺度的特征信息,提高模型的预测能力,同时引入Focus Loss损失函数解决正负样本不均衡问题,加速损失函数的收敛速度。改进后的YOLOv3-ASFL在自制酒瓶盖瑕疵数据集上mAP达到92.33%,单张图像检测时间仅为0.085s,比原始YOLOv3在相同数据集上的mAP提升了6.59%。改进后的YOLOv3模型性能更好,符合酒瓶包装生产线对瑕疵检测的需求。     

基于改进自由权矩阵与广义特征值的时滞稳定 上限计算方法研究

提出了一种利用改进自由权矩阵与广义特征值(Generalized Eigenvalue Problem,GEVP)判定系统时滞稳定上限的方法。首先构造一类新的Lyapunov-Krasovskii泛函,并求解该泛函沿系统的导函数。然后,在导函数中加入必要的松散项以降低该方法保守性。在此基础上,利用gevp求解系统的时滞稳定上限。IEEE 4机11节点系统和16机68节点系统时域仿真结果验证了该方法能够有效求解电力系统所能承受的最大时滞。     

基于样本协方差矩阵特征特性的电网多重扰动定位方法

为提升随机矩阵理论在电网扰动定位应用中的计算效率和适应性,基于样本协方差矩阵的最大特征值及最小特征向量(即特征特性),提出一种适用于多重扰动场景的电网扰动定位方法.首先,针对考虑负荷随机波动及噪声干扰工况的电网数据源矩阵,通过构建其窗口矩阵和标准矩阵,进而形成其样本协方差矩阵.其次,获取当前时刻最大特征值并计算基于Sp...     

基于线损协方差分析的群体性固定比例窃电行为检测方法

当一个配电台区内存在多个固定比例的窃电用户时,台区的非技术线性损耗（NTL）将由这群窃电用户的窃电量共同决定。目前根据NTL相关性强弱排序的检测方法在这一场景下有可能失效。首先,为了解决这一问题,文中发现了台区NTL和固定比例窃电用户表计数据的相关性存在着一种递增现象,并论证了这一现象成立的充分条件。以此为基础提出了基于协方差分析的窃电检测方法。通过标准化处理后的协方差来衡量NTL与用户电量之间的相关性,以求解一个组合优化问题的方式,实现对固定比例窃电用户的搜寻。然后,设计了该方法在实际应用过程中的运行框架和检测方案。最后,基于中国某省电力公司提供的实测数据和窃电模拟实验平台生成的窃电数据验证了所提方法的有效性。     

基于Gabor小波和加权马氏距离的带钢表面缺陷检测

针对现有带钢表面缺陷检测方法检测率低,难以满足高质量带钢生产的需求。本文融合Gabor小波变换和加权马氏距离阈值化方法,提出了一种新的带钢缺陷检测算法。首先通过实验获取Gabor滤波器一组最优参数,对采集到的样本图像做Gabor模板卷积,得到边缘图像。然后对图像像素点进行加权处理,重新估计马氏距离的协方差矩阵,增大感兴趣区域像素点权重,得到任意灰度值样本与总体样本加权的马氏距离,增强了目标缺陷的边缘特征。最后利用连通区域标记法,搜索并标记带钢缺陷位置,完成了缺陷检测。实验对比表明本文提出的带钢缺陷检测新算法检测率为94.13%,漏检率为4.87%,验证了算法的有效性。     

Distributed estimation based on information‐based covariance intersection algorithms

A distributed estimation approach is developed in this paper using information matrix filter on a distributed tracking system in which multiple sensors are tracking the same target. The information matrix filter version is derived from covariance intersection, weighted covariance and Kalman‐like particle filter, respectively. The steady performance of these filters is evaluated with different feedback strategies. The developed filters are then validated on an industrial utility boiler. Copyright © 2015 John Wiley & Sons, Ltd.     

基于包含谐波模型的加权最小二乘估计算法的电压暂降检测方法

针对动态电压恢复器需要以较快的速度检测出电网电压暂降,提出一种基于对电网电压建立谐波模型的加权最小二乘估计算法的电压暂降检测方法.通过重置协方差,在电网电压的谐波分量较高时该算法也能准确快速地判断出电压暂降.由于建立了谐波模型,稳态误差不会包含大量谐波分量,因此重置协方差的阈值可以设置得较小,使得该算法能够较快地检测出深度较小的电压暂降.通过设置不同的实验条件,验证了该算法具有良好的检测性能.     

基于Mean Shift 滤波的织物疵点检测方法

为了实现自动织物疵点检测,提出了一种基于Mean Shift滤波的织物疵点检测方法。该算法首先求取织物样本的熵图像,反映原始图像信息的变化程度,然后对熵图像进行Mean Shift平滑滤波,达到去除噪声和增强织物疵点部分的目的,从而利于疵点的分割,最后对滤波后的图像进行阈值分割,得到二值化检测结果。对6种纹理织物进行处理,共检测出18种疵点,92.5%的疵点可以被成功检测并定位。另外,实验中还将Mean Shift滤波与Gabor滤波的检测结果进行了比较,结果表明Mean Shift滤波对某些类型的疵点的检测效果更为理想。     

基于LPC距离和变窗长的端点检测

基于LPC距离的端点检测首先会对信号进行分帧处理,然后根据LPC距离设置阈值依次判断每一帧是否为语音的端点。而在对信号进行分帧时会有以下问题:如果采用较大的窗长,则总帧数会变少,但是这样端点检测的误差也会增加,尤其是对于语音起点的检测。而如果帧长选取过小,则计算量增加,识别速度也会增加。针对这个问题,将变窗长思想和基于LPC距离端点检测算法结合起来,提出了一种改进的端点检测算法。该方法在分帧时不采用统一的窗长,而是在静音段采用大窗长快速向过渡段逼近,进入过渡段后采用小窗长慢慢寻找语音信号的起点,其他阶段则采用常规窗长。研究表明,所提出的改进的端点检测方法检测性能要优于其他两种端点检测方法。     

基于混合窗的改进全相位谐波相位检测算法

在实际谐波检测过程中,传统傅里叶算法只能做到非同步采样,这样就无法避免栏栅效应和频谱泄露的存在,导致谐波检测中相位检测精度相对较低。针对此问题,提出hanning窗和4项5阶nuttall窗的二阶混合卷积窗,用其在相位检测中做预处理,并以此提出基于混合卷积窗的改进全相位傅里叶算法,该算法在谐波相位检测中能有效提高谐波相位检测精度。分别在白噪声和频率波动的影响下做仿真验证,并与传统的加窗插值算法作对比分析。仿真结果表明,文中优化算法在谐波相位检测中具有较大优势,提高4个数量级的精确度,且具有较强抗白噪声和频率波动能力。     

改进灵敏度矩阵的复合材料粘接缺陷 ECT 检测

平面电容层析成像(ECT)技术对复合材料粘接缺陷的图像重建,通常要借助灵敏度矩阵完成。 ECT 传感器的敏感场分 布在一个三维空间,但用于缺陷检测的重建图像是二维的,因此存在不同层灵敏度矩阵的选取问题。 探究了不同层灵敏度矩阵 的选取,并提出了一种灵敏度矩阵改进方法。 通过对负敏感区域的阈值处理和绝对值处理,改善了灵敏度矩阵的病态性和不均 匀性,降低 ECT 正问题模化误差。 仿真和实验结果表明,所提方法能够明显降低重建图像中的伪迹,提高重建缺陷的清晰度, 进而降低缺陷误判或漏判的概率。     

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。     

基于峰值检测的自适应时间窗口计步算法

针对现有的计步算法无法适应用户行走状态、手机姿态多样性的问题,以及有效解决静止状态下的虚假步态周期的判别问题,提出基于峰值检测的自适应时间窗口计步算法.该算法通过检测加验证的方式进行计步,利用双重滤波对原始加速度进行预处理,根据峰、谷值时间差的自适应时间窗口消除伪峰值,再利用方差与标准差对检测到的峰值进行验证.实验结果...     

基于CNNs识别反馈的点阵字符检测方法

针对点阵字符因错误分割导致识别准确率较低的问题,提出了一种基于卷积神经网络(CNNs)识别反馈的点阵字符检测方法。首先采用多尺度窗口获取多个候选区域并建立CNNs对其进行识别,利用投票机制对多个识别结果进行综合决策,然后根据决策结果反向定位点阵字符并完成字符分割,最后提出一种滑动翻转窗口对所有字符进行分割与识别。实验结果表明,该方法在点阵字符的定位准确率和识别率方面都优于传统字符识别方法,分别达到了97.53%和97.50%。