基于基础矩阵与HEIV模型的双目相机标定

双目相机标定的精确与否很大程度上决定了立体匹配三维重构的完成质量。提出一种基于相机基础矩阵的一维标定方法。该方法较之传统的张正友一维标定法，无需对标定杆进行任何的运动约束即可完成。并提出一种基于变量含异质噪声(heteroscedastic error in variables,HEIV)模型的优化方法对测量数据与标定参数均进行优化，该模型利用测量数据的估计值与测量值之间的误差和构造代价函数，通过迭代最小化代价函数进行求解，实验表明本文算法较之传统优化算法精度更高，且在测量数据较少的情况下优化数据更接近真实值。     

基于遗传和模拟退火算法优化的短期负荷预测

负荷短期预测是电力系统运行和调度每年的重要工作,尤其在市场环境下负荷短期预测更显重要.对于电力系统短期负荷的随机性和突变性的特点,提出了应用遗传算法(GA)和模拟退火(SA)优化的Elman神经网络的短期负荷预测模型.其特点是模型简单、运算效率高,并具有较好的全局最优性能,从而很好地克服了传统BP算法容易陷入局部极小点的缺陷.利用改进Elman 网络的良好学习能力,同时利用遗传和模拟退火优化算法对Elman动态递归网络的前馈和反馈值进行优化,实现全局最优的拟合结果.比较了Elman网络和BP网络结构的建模效果,仿真实验证明了利用遗传和模拟退火算法优化的Elman神经网络具有动态特性好、逼近速度快、精度高等特点,说明Elman网络是一种新颖、可靠的负荷预测方法.     

配电网接地环视觉识别与定位方法研究

为保障带电作业机器人挂设接地保护线的准确性，对配电网接地环的精准识别与定位方法展开研究。为提高识别精度和易于部署在上位机上，以YOLOX-S为基础，用简化的BiFPN代替颈部PAFPN特征利用层，将GIoU-Loss作为定位损失函数，以Focal Loss作为置信度预测损失函数。采用双目视觉方法对检测到的接地环进行定位，根据双目相机标定获得相机的内外参数和畸变系数，对左右图像进行立体校正，采用半全局立体匹配算法获得图像视差，最终利用重投影矩阵得到接地环的深度和坐标，从而实现接地环的精准识别与定位。将所提方法运用于带电作业机器人挂设接地保护线试验，结果表明该方法能实现机器人精准挂线，并能推广到电力机器人的其他作业。     

基于遗传小波神经网络的机器人腕力传感器动态补偿研究

提出一种基于改进遗传算法进化小波神经网络用于机器人腕力传感器动态补偿的新方法,介绍算法原理。该方法利用腕力传感器的动态标定数据,用改进的遗传算法来优化小波神经网络结构和参数,建立腕力传感器的动态补偿模型。结果表明,采用遗传小波神经网络进行腕力传感器动态补偿,能克服BP算法存在易陷入局部极小点的缺点,网络的复杂度、收敛性和泛化能力得到了好的综合,补偿模型建立的速度和精度得到提高。     

基于IGSA-BP网络的瓦斯涌出量预测模型

为提高煤矿瓦斯涌出量预测的精度和效率,提出一种基于改进的万有引力算法(IGSA)的BP神经网络IGSA-BP瓦斯涌出量预测模型。由于BP神经网络的初始权值和阈值对网络的预测精度和收敛速度有较大影响,采用改进的万有引力算法训练BP神经网络的初始权值和阈值,引入粒子群算法记忆与社会信息交流的思想,对万有引力算法(GSA)的速度与位置更新公式进行改进,采用Tent混沌映射增加GSA种群的多样性,使算法避免陷入局部极值并增强GSA的遍历搜索能力。结果表明,改进的万有引力BP神经网络预测结果的误差在0. 20 m~3/min以内,与未经改进的万有引力BP神经网络和粒子群BP神经网络相比,预测精度分别提高了近5倍和10倍,说明该方法对煤矿瓦斯涌出量具有更好的预测精度和收敛速度。     

基于双目立体视觉的目标测距系统

双目立体视觉能够在多种条件下感知三维场景的立体信息,基于双目立体视觉的测距以其特有的优势在测距中扮演着越来越重要的角色.研究了双目测距的原理、摄像机的标定、立体校正、立体匹配等关键技术,在此基础上提出了用MATLAB和OpenCV相结合的方法实现双目立体视觉的测距.使用MATLAB进行相机的标定,然后借助OpenCV实现立体校正和立体匹配.通过立体匹配得出的视差值,可以求解出目标和相机之间的距离实现测距.通过实验的结果表明,提出的双目测距方法在一定范围内达到了精度要求.     

电脑绣花机视频运动检测分析

本文基于双目高速视觉理论对电脑绣花机机头与主轴之间的运动特性进行检测与分析,完成了绣花机主运动双目视觉检测系统的实验室原理实验研究。对双目视觉检测系统进行检测标定工作,标定结果与相机标称参数相符。通过后期图像处理获得绣花机机头主轴运动检测数据,表明试验结果与理论曲线相符。上述测试方法为绣花机运动系统改进提供测试手段和设计参数。     

基于AD-Census代价及目标检测的吊车防碰线技术

针对大型吊车在高压输电线路下施工易发生碰线事故的问题,提出一种基于目标检测和双目测距的方法来对风险进行管控。所提方法首先使用YOLOv4算法对输电线进行检测,然后考虑到双目相机处于不同拍摄角度会导致图像存在亮度差异的情况,提出了基于AD-Census代价的SGBM（Semi-Global Block Matching）双目测距算法对输电线进行测距。最后通过实验验证了所提方法的有效性。结果表明：该方法在检测输电线时平均置信度能够达到81.67%,在5~8米以内测量误差能够控制在0.4米以内,平均检测测距用时50ms。相比原始双目测距算法,改进算法的测量精度有一定提升。所提方法能够准确测量吊臂与输电线间的距离,对防止吊车碰线具有一定意义。     

基于不同优化算法下风电预测精度对风水电协调影响研究

研究了持续法、ARIMA方法、改进BP神经网络3种不同的风电预测模型,在相同条件下,经实例仿真发现,改进BP神经网络模型的预测精度好于ARIMA预测模型,而ARIMA预测模型的预测精度好于持续法预测模型。基于上述3种不同的风电预测模型,建立了风-水发电联合协调运行的模型。采用遗传粒子群和混合粒子群2种不同的优化算法来研究风电预测精度对风-水电协调影响,通过仿真实例发现,风电预测模型精度越高,得到的理论值与实际值偏差越小;在考虑2种不同优化算法的情况下,遗传粒子群优化算法得到的数值与实际值偏差比混合粒子群大,同时基于不同风电预测模型下的误差也要比混合粒子群大。     

基于纵横交叉优化BP神经网络的变压器故障诊断研究

为提高电力变压器故障诊断的准确率,提出一种基于纵横交叉算法改进BP神经网络的故障诊断方法。该方法在BP神经网络结构的基础上,利用纵横交叉CSO算法对BP神经网络的权值和阈值进行优化,得到最优的权值和阚值向量,并将优化值代入BP神经网络训练模型中,然后利用BP神经网络的自学习功能进行训练,最终得到基于CSO-BPNN的变压器故障诊断模型。将提出的基于CSO-BPNN算法的故障诊断结果与标准BP神经网络算法故障诊断结果进行对比。测试结果表明,CSO-BPNN算法融合了CSO算法和BPNN算法的优点,能更有效地提高变压器故障诊断的识别精度,具有良好的工程实用价值。     

一种简易的基于矩形靶标的相机定位方法

针对交通视频监控的双目视觉相机定位问题,使用相机成像的仿射原理和光学透镜成像原理,建立相机像点与原像之间的非线性数学模型。采用外公切线法确定圆心的像,由光学成像几何关系得到非线性等式模型,应用MATLAB求解模型。从误差分析中得出模型相对误差小于0．16％,精度较高。模型建立后,整个标定过程不需要人工干预,可以自动进行标定,实用性好。     

短期电力负荷的智能预测方法研究

为了提高电力系统短期负荷预测的精度,提出将基于模拟退火思想的改进粒子群优化（SAPSO）算法和误差反向传播（BP）算法相结合构成SAPSO—BP混合算法用于训练人工神经网络,对短期电力负荷进行预测。经实际算例验证,该混合算法能有效克服常规BP和PSO算法独立训练神经网络的缺陷,其收敛速度快于BP及PSO—BP算法,并且具有较高的短期电力负荷预测精度。     

遗传神经网络在电力系统短期负荷预测中的应用

为了克服传统BP神经网络中存在的一些缺陷,实现准确、快速预测电力系统负荷的目的,作者通过将遗传算法与神经网络结合,构造了一种遗传神经网络来进行电力系统短期负荷预测,方法的思路是：首先,利用遗传算法有指导地计算神经隐层节点数,从而确定一个较合理的神经网络结构;其次,由遗传算法从初始权值的解群中选取出一个优秀的初始权值,克服初始权值选取的盲目性;最后,将得到的神经网络结构和优秀的初始权值结合起来,利用改进的BP算法进行电力系统短期负荷预测,仿真计算表明该方法达到了提高预测精度和改善网络性能的要求。     

基于双目视觉的车辆外廓尺寸测量方法

针对目前车辆外廓尺寸测量成本高、安装复杂且三维轮廓重构质量差的问题，提出了基于双目视觉的车辆外廓尺寸测量方法。该方法首先对双目相机采集的车辆图像对进行校正，并通过改进后的立体匹配算法计算生成车辆视差图。基于双目视觉三维测量原理解算车辆轮廓视差信息进行三维重构，生成车辆点云。针对相机盲区车辆轮廓数据缺失问题，设计了基于车牌识别的点云对称修复方法，生成完整车辆三维轮廓。实验结果表明，3种车型的测量示值误差均小于1%，车辆模型重构完整度高。     

遗传算法和神经网络在交通事故预测中的应用

介绍了BP(误差反向传播算法)和GA(遗传算法)以及GA-BP三种神经网络,并以此分别对道路交通事故进行预测。实验结果表明,基于GA-BP算法的神经网络方法应用于交通事故的预测问题,能采用遗传学习算法优化BP神经网络模型的初始权重,即先利用遗传学习算法进行全局训练,再用BP算法进行精确训练,使网络收敛速度加快和避免局部极小。GA-BP神经网络在收敛速度和预测精度等方面均优于BP和GA网络,从而为交通部门的未来事故预测提供了一种新的思路与方法。     

基于遗传模拟退火算法改进BP神经网络的中长期电力负荷预测

针对目前中长期负荷预测方法中存在过拟合、预测精度和效率较低等问题,本文提出一种基于遗传模拟退火算法(GSA)改进BP神经网络的中长期电力负荷预测模型,即BP-GSA模型.首先建立标准三层神经网络,即输入层、隐藏层和输出层,选择国民生产总值、第二产业生产总值、市区常驻人口及月平均温度四个影响因子作为输入变量,月度负荷为输出变量.其次利用遗传模拟退火算法不断修正网络节点连接权值,以最优适应度为标准,确定最优网络节点连接权值分布.最后,代入权值最优解,通过训练样本数据,获取最小方均差预测模型.分别应用本文提出的BP-GSA模型及其他四种传统方法,对某市2020年月度负荷进行预测.误差分析表明,BP-GSA模型预测精度最高.随后将BP-GSA模型分别应用于不同年份的月度负荷预测,预测结果表明其误差稳定,证明了模型的鲁棒性.     

基于遗传优化的BP神经网络算法的短期负荷预测

采用BP神经网络算法进行短期电力负荷预测存在缺点,需要进行完善和改进。介绍了BP神经网络算法进行短期负荷预测的原理,以及遗传算法的基本原理。具体叙述遗传算法对BP神经网络算法进行优化的实现步骤。优化后的算法避免了原来初始权值和阈值选择的盲目性,提高了BP神经网络算法短期负荷预测的精度和效率。通过具体算例,证明了此算法的可行性和有效性。     

基于改进遗传小波网络的电机故障诊断研究

用频谱分析方法提取了无刷直流电动机的正常工作状态和几种常见的故障(位置传感器一路故障、A相绕组断路故障和驱动开关断路故障)时的特征信号,进行了诊断算法研究,提出了用改进遗传算法优化小波神经网络参数的调整过程,并用改进遗传小波神经网络对无刷直流电动机进行故障诊断。仿真结果表明,与经典遗传小波神经网络、小波神经网络和BP神经网络等方法进行比较,该方法在无刷直流电动机故障诊断中具有更快的收敛速度和更高的诊断精度。     

基于改良天鹰优化器的单目相机标定方法

为了提高相机标定精度，提出一种基于改良天鹰优化器的单目相机标定方法：通过张正友标定法计算得到单目相机的内外参数，根据所得相机参数计算标定图像中所有角点的平均重投影误差并建立目标函数，采用经过自适应分配机制、动态补偿策略以及非线性潮汐策略改良的天鹰优化器进行优化，获取最优的相机标定内部参数和畸变系数，从而提高相机非线性标定过程的寻优精度。实验结果表明，改良天鹰优化器算法在不同基准测试函数上寻优结果优越，本文提出的相机优化标定方法得到的标定结果精度更高，重投影误差为0006 pixels。     

基于免疫遗传算法优化的神经网络配电网网损计算

提出了一种基于免疫遗传算法(IGA)的BP神经网络方法计算配电网的理论线损。该算法在遗传算法(GA)的基础上引入生物免疫系统中的多样性保持机制和抗体浓度调节机制,有效地克服了GA算法的搜索效率低、个体多样性差及早熟现象,提高了算法的收敛性能。为了解决BP神经网络权值随机初始化带来的问题,用多样性模拟退火算法(SAND)进行神经网络权值初始化,并给出了算法详细的设计步骤。仿真结果表明,同混合遗传算法相比,该算法设计的BP神经网络具有较快的收敛速度和较强的全局收敛性能, 比现有其它计算配电网理论线损的方法更为