基于图论及改进矩阵算法的配电网故障定位

针对传统矩阵算法故障判定规格化处理计算量大,母线区域及负荷出线区域故障定位准确率低等问题,提出了一种基于图论及改进矩阵算法的配电网故障定位新方法.该方法首先依据IED装置采集到的故障信息分量准确判别故障发生区域.若判定为母线故障或负荷出线故障,则由IED装置直接下达跳闸命令.若判断为线路区域故障,则由集中保护装置依据图...     

一种基于CKF的改进LANDMARC室内定位算法

针对传统LANDMARC室内定位算法受室内环境的干扰存在定位精度不高,波动大的问题,提出一种基于CKF的改进LANDMARC室内定位算法。该算法首先通过传统LANDMARC算法得到待定位目标的状态预估值;然后将得到的状态预估值作为观测量并用容积卡尔曼滤波(CKF)算法对其进行滤波处理,以提高算法的定位精度并降低定位结果的波动;最后用滤波处理后的结果代替LANDMARC得到的预估值作为待定位目标的状态估计。实验研究表明,所提算法误差在0.5 m以下的标签达到60%,与传统LANDMARC定位算法和经由无迹卡尔曼滤波(UKF)算法滤波的LANDMARC定位算法相比,定位精度和波动性均有明显提高,应用在室内定位中能够得到较为真实的目标移动轨迹。     

配电网故障区段定位的改进矩阵算法

针对馈线终端单元(FTU)与配电网自动化主站通信中断影响故障区段定位的问题,提出一种配电网故障区段定位改进矩阵算法。该算法根据FTU通信状态与配电网拓扑构建FTU属性矩阵,动态建立网络描述矩阵,最后结合FTU故障信息,提出了配电网故障定位的改进矩阵算法。该算法可根据FTU的通信状态实时更新网络描述矩阵,判据结构简单、形式统一、计算量小,能够实现配电网故障区段的准确定位。     

基于 SST-SCKF 的运动目标超宽带定位算法研究

使用超宽带(UWB)进行定位过程中,卡尔曼滤波是一种常见的降噪方法,但由于对非线性系统滤波性能差,且定位目标运动轨迹易超出基站布局区域以及受到异常噪声干扰,会影响定位系统的准确性和稳定性。针对这一问题,提出一种对称强跟踪(SST)平方根容积卡尔曼(SCKF)算法,通过引入对称时变渐消因子调节各协方差矩阵,实现改变误差协方差矩阵中多重衰落因子矩阵的工作方式,进而调整滤波增益,计算复杂度虽略有增加,但增强定位模型的适应性与鲁棒性。仿真验证表明,在异常噪声干扰下,改进后的算法(SST-SCKF)相较于SCKF/多重渐消因子的SCKF(ST-ASCKF)算法可有效提高定位准确度,且定位轨迹较于单渐消因子的SCKF算法(STSCKF)更为平滑;利用SST-SCKF算法设计基于UWB技术的定位方案,通过动态模拟实验表明,本文提出的SST-SCKF算法较之SCKF/STSCKF/ST-ASCKF滤波性能更优,为复杂环境噪声下人员UWB定位提供更好的降噪,使定位更为精准。     

基于改进RBPF的变电站巡检机器人建图方法研究

为解决传统粒子滤波(Rao-Blackwellized Particle Filter, RBPF)巡检机器人建图方法在非结构化环境中计算精度低、计算量大等问题,文章提出一种基于点云匹配的改进RBPF变电站巡检机器人建图方法。基于RBPF方法设计子图构建策略,引入Adaboost学习算法识别相邻子图;针对传统点云匹配方法在拼接仅有部分重合的子图时,拼接精度低的现象,将NDT和ICP算法相结合,设计匹配算法,求解子图间相对位姿。然后,根据子图间相对位姿,通过图优化(General Graph Optimization, G2O)算法对子图全局位姿进行优化求解,得到完整的变电站地图;采用Gazebo软件进行仿真,对不同方法的建图效果进行对比。结果表明：改进RBPF方法在变电站的复杂环境下能够降低硬件成本、提高建图精度,可以为无人值守变电站的设计提供参考。     

UWB与IMU融合的室内动态定位算法

针对超宽带(UWB)定位易受多种噪声和非视距(NLOS)的影响产生定位误差的问题,提出了一种基于UWB与惯性测量单元(IMU)融合的室内动态定位算法。该算法首先采用扩展卡尔曼滤波算法对基于到达角度(AOA)定位方法的位置信息进行滤波,并与IMU数据进行时间同步,通过相邻时刻UWB位置信息变化速度与IMU所测量标签运动速度对比,实现对NLOS数据的识别及补偿,从而降低NLOS对定位精度的影响;然后基于改进粒子滤波算法对融合后的数据进行最优估计,以抑制噪声的干扰,最终实现对标签的准确定位。实验结果表明,所提算法采用基于AOA的定位方法可以在保证定位精度的前提下节约硬件成本;与单一使用UWB传感器的定位方案相比,所提算法可根据IMU提供的先验信息有效降低UWB的定位误差,在非视距环境下具备较高可靠性;与基于扩展卡尔曼滤波和无迹卡尔曼滤波的融合算法相比,定位精度分别提高了65.6%和56.0%;与标准粒子滤波算法相比,所提算法基于改进的粒子滤波算法运行时间缩短了42.3%。     

一种基于改进块匹配算法的运动车辆检测

在传统的基于块匹配算法的运动车辆检测中,因为直接对灰度图像进行匹配而带来计算量大、光照变化较敏感和实时性差的缺陷。针对这些问题,提出了基于概率松弛标记算法的块匹配算法,先通过概率松弛标记算法求取灰度图像的边缘,然后通过块匹配算法根据匹配的相似度得到位移矢量场,并对其进行矢量中值滤波,最后通过顺序区域增长把运动车辆分割出来。实验结果表明,这种算法鲁棒性强、实时性好,与传统算法比较在效率大幅度提高的情况下准确率也得到了一定的提升。     

基于智能空间的变电站机器人复合全局定位系统设计

变电站机器人对于坚强智能电网的建设具有重要意义,针对室外大范围环境下巡检机器人在没有任何初始位姿先验知识情况下通过传感器观测全局定位的问题,结合智能空间技术,本文提出了一种智能空间下基于ZigBee指纹定位与改进粒子滤波的复合全局定位系统。该方法首先利用变电站环境下已有的无线网络,通过UPnP技术将机器人接入智能空间,在智能空间中采用BP神经网络进行ZigBee指纹初步定位,然后在初定位基础上利用粒子群优化的粒子滤波算法完成精确定位。实验结果表明,本文设计的算法实现了变电站机器人与智能空间的零配置与松耦合,可有效提高初始全局定位精度并改善算法性能,缩短迭代时间。     

基于改进粒子滤波的综合能源系统预测辅助状态估计

高效准确的状态估计是综合能源系统安全稳定的基础。粒子滤波具有精度高、对非线性系统适应性强的优点,已应用于电力系统的状态估计中。为提高综合能源系统的状态估计精度,文中提出一种基于改进粒子滤波的综合能源系统预测辅助状态估计方法。首先,构建包含电-热-气网络的区域综合能源系统模型;然后,将粒子滤波算法拓展到电-热-气网络,在粒子滤波相关理论的基础上,针对传统粒子滤波算法存在的跟踪误差问题对粒子滤波的预测步进行改进;最后,利用经典的综合能源系统算例对文中提出的改进粒子滤波算法进行验证。结果证明该方法能够有效解决传统粒子滤波算法的跟踪误差问题,提高系统的估计精度。     

局部放电全站定位综合算法

提出了一种适用于变电站大范围监测的局部放电定位算法。该算法基于接收信号指示强度（RSSI）,结合传感器数据实际情况补充计算节点。与传统三边加权定位方式不同,引入不定量条定位中垂线与三边区域共同加权。该模型考虑现实情况下放电位置在高度轴上与传感器群不在一个平面的情况,通过中垂线的引入可以有效地抑制定位误差。实验结果表明,所提出的改进定位模型能有效地匹配现实放电监测硬件,定位误差小于传统三边加权定位,结果符合工程要求。     

基于改进Census变换的自适应局部立体匹配

针对现阶段局部立体匹配在弱纹理区域具有匹配精度低且过度依赖中心像素的缺点,提出一种基于改进Census变换的自适应局部立体匹配算法。首先根据中心像素领域的纹理复杂度采用自适应支持窗口改进Census变换,引入Tanimoto系数与Hamming距离算法结合,并融合颜色或亮度差的绝对值用作新的初始匹配代价计算。通过十字交叉域算法进行代价聚合并采用赢家通吃算法计算视差,在视差优化阶段采用左右一致法、迭代投票、插值填充和亚像素细化,针对边缘模糊化将改进的自适应中值滤波用作抑制噪声得到最后的视差图。实验结果表明,本文所提出的算法在Middlebury数据集上的平均误匹配率为4.39%,相较于其他改进的Census变换算法有明显提升,并在抗噪能力上具有一定的鲁棒性和适应性。     

基于双目视觉的拖车钩检测与定位方法研究

在某些危险环境下需要拖车实施救援时,救援人员难以靠近,救援人员可以通过遥控操作拖车杠来完成拖车钩的挂装。针对被救援车辆拖车钩的检测与定位问题,提出了一种拖车钩检测与定位方法ECSA-YOLOv5,首先改进YOLOv5算法,设计了高效注意力模块ECSA,将其替换掉空间金字塔池化模块上一层的模块,并增加一个大小为160×160的小目标检测层,能够更准确的获得拖车钩在图像中的像素坐标;通过在SGBM立体匹配算法预处理阶段加入引导滤波、后处理阶段引入加权最小二乘法WLS滤波与异常值处理,从而获得更优化的视差图,得到更为准确的目标深度信息,提高拖车钩位置信息计算的精确度。基于Jetson Agx Xavier开发板进行了实验验证,实验结果表明,ECSA-YOLOv5模型较YOLOv5s模型AP值提升了5.8%,达到了99.0%,平均实时检测帧率为14 fps,定位测距在3 m内时,误差在3.5%以下,能够满足拖车钩的检测与定位的准确性和实时性的要求。     

基于 FAST 角点和 FREAK 描述符改进的无人机景象匹配算法

在无基准图的无人机返航过程中,实时图和航路点的景象匹配是无人机返航成功的关键。为提高景象匹配的实时性和鲁棒性,提出了基于加速分割检测特征(FAST)角点检测和快速视网膜关键点(FREAK)描述符的无人机景象匹配算法。首先,针对FAST角点检测方法的无尺度不变性、特征点数量冗余的缺点进行了改进;接着,对FREAK二进制描述符进行简化,以提高匹配速度;然后,采用K近邻比值法和RANSAC方法进行特征的初匹配和精匹配,并建立定位模型,从而获得航路点与无人机当前位置的实际距离和方位信息;最后,对算法的各项性能做实验验证。所提出的算法定位方向偏差在1°以内,像面距离偏差稳定在0.6 pixel,运行时间0.43 s,远小于尺度不变特征转换(SIFT)和加速鲁棒特征(SURF)算法的处理时间。在尺度变换和噪声等条件变化的情况下,相比SIFT和SURF等算法,所提算法取得了较好的正确匹配率,具有更好的鲁棒性。实验结果表明所提出的算法鲁棒性好,运算速度快,尤其在视角变换方面表现优秀,更适合无人机视觉辅助导航。     

基于烟花优化粒子群的室内定位算法研究

针对测距式射频识别室内定位算法定位误差较大的问题,提出了一种基于烟花优化粒子群的室内定位算法。该算法分为测距和定位两个阶段,在测距阶段使用到达相位差进行测距并构建待优化的目标函数。在定位阶段对粒子群优化算法进行改进。为了改进粒子群优化算法在迭代过程中容易落入局部极值的问题,引入了烟花优化算法的爆炸、变异、选择操作,并对选择规则进行改进;算法还根据烟花爆炸算子和变异算子对粒子群算法的速度更新公式进行改进。实验结果表明,该算法能够有效实现对目标的定位,定位平均误差为0.2773m,与基于标准粒子群优化算法的室内定位算法相比具有39.61%的性能提升。     

基于边缘检测与注意力机制的立体匹配算法

随着深度学习理论的不断进步,端到端的立体匹配网络在自动驾驶和深度传感等领域取得了显著的成果。然而,最先进的立体匹配算法仍然无法精确恢复物体的边缘轮廓信息。为了提高视差预测的精度,在本研究中,提出了一种基于边缘检测与注意力机制的立体匹配算法。该算法从立体图像对中学习视差信息,并支持视差图和边缘图的端到端多任务预测。为了充分利用二维特征提取网络学习到的边缘信息,本算法提出了一种全新的边缘检测分支和多特征融合匹配代价卷。结果表明,基于本文模型的边缘检测方案有助于提高视差估计的精度,所获取的视差图在KITTI 2015测试平台上的误匹配率为1.75%,与金字塔立体匹配网络相比,视差图的精度提高了12%,且运行时间减少约20%。     

基于WLS-KF的UWB室内定位滤波算法研究

针对室内超宽带(UWB)定位过程中受到非视距误差(NLOS)干扰而导致定位精度下降的问题,提出了基于抗差估计原理的自适应卡尔曼滤波方法,结合加权最小二乘法对测距信息解算得到定位坐标。在通视环境下进行测距,利用测得的数据计算新息向量和协方差,并基于此构建阈值信息,对NLOS环境产生的量测异常值进行判别,在此基础上利用Sage-Husa滤波对系统噪声协方差进行估计。采用加权最小二乘法对测距信息进行处理,得到标签解算坐标的最优估计。通过MATLAB仿真验证算法的可行性和有效性并在室内环境下进行测距、定位试验验证。仿真和实验结果表明,基于抗差估计原理的自适应卡尔曼滤波方法,结合加权最小二乘法能有效识别NLOS误差,且对定位过程中发生的状态突变能有效进行跟踪,解算得到的标签坐标x方向误差1 cm左右,y方向误差2 cm左右,提高了UWB室内定位的精度。     

基于视觉里程计的室内位姿测量技术研究

随着人口老龄化程度的不断加深,独居老人也在不断增多。 在解决独居老人养老问题的应用上,室内定位是最基本和 关键的问题。 针对室内定位的需求,提出了双目视觉里程计定位算法,从相机成像模型、特征提取、特征匹配以及运动估计 4 个 方面展开了研究。 首先,采用双目摄像头作为传感器进行图像采集;然后通过提取 ORB 特征点来完成相邻图像之间的匹配关 系,根据基于 BRIEF 描述子的立体匹配算法得到左右图像对应特征点的匹配关系;最后对相机的运动进行估计。 设计了硬件 和软件平台对提出的方法进行实验。 实验证明,基于视觉里程计的室内定位技术能够准确地定位老人在室内的位置,能够实时 地对老人进行安全监护。     

基于计算机视觉的室内定位系统设计与实现

现在传统的室内定位技术大多需要在被定位物体上安装标签或者终端设备,在一些特定场合存在很大的局限性。为此提出了一种基于计算机视觉的室内定位系统。该系统通过目标检测算法检测出特定物体并获取其图像坐标,经过目标点判定算法判断该物体是否在待定位区域内,最后通过投影变换算法获取到该物体对应的地图坐标。在被定位物体无感知的情况下,完成对其定位且定位误差在1米以内。为了方便用户直观的观察,采用网页的形式,将实际地图与物体位置显示在终端设备上。     

基于改进Census代价和优化引导滤波立体匹配算法

为了提高局部立体匹配的精度，提出了一种基于改进Census代价和优化引导滤波的立体匹配算法。针对传统Census代价计算在视差不连续区域代价计算不准确的问题，在Census变换过程中进行邻域像素有效性标记，通过给不同有效性处计不同代价值，降低无效像素对整体代价的影响；在引导滤波代价聚合阶段，采用两种大小的窗口计算线性系数，然后根据图像区域划分结果选取不同线性系数，解决了固定窗口尺寸造成的局部区域代价聚合不适应的问题；最后通过视差计算和视差优化得到最终视差图。在Middlebury v3立体匹配评估平台上进行实验，结果表明，本文算法在非遮挡区域和所有区域的平均误匹配率分别为 18.17%和23.81%，与很多现有算法相比表现更优。     

Control of Autonomous Mobile Robot Using Map Matching with Optimized Search Range

Accurate estimation of self‐position is indispensable for autonomous mobile robots. Map‐matching‐based self‐positioning is a promising method; however, adequate matching area selection is an issue to be solved. In this paper, we propose an adjustable map matching method that remedies a defect of the conventional template matching technology. The proposed method was evaluated experimentally, and the results confirmed the advantages of the proposed method.