基于改进ICP算法的变电站设备三维识别方法研究

针对现有变电站设备三维识别方法在实际应用中存在的准确率差和效率低等问题,提出一种结合改进迭代最近点算法和Umeyama算法的变电站设备三维识别方法。通过随机采样一致性算法提取设备平面特征,Umeyama算法在模板库中找出平面特征最相似的几个设备,根据点云曲率特征提取设备点云关键点,再通过改进迭代最近点算法对设备进行识别。通过实验对其性能进行分析。结果表明,所提方法对智能变电站设备进行三维识别有较好的识别准确率和效率,识别准确率为99.50%,平均识别时间为2.07s,有效地提高了三维识别技术的综合性能。     

基于点云数据的变电站三维仿真模型的实现及展望

使用GPS、Street View全景相机、室内三维移动扫描仪IMS3D、DPI-8手持式三维激光扫描仪的作业方法,获取变电站室内室外设备、场景等的多角度实景照、片点云数据,进而对获取的数据进行分析处理。然后使用Autodesk 3d Max工具,对三维场景中的变电站设备、建筑及周边地形环境等按照给定的建模标准进行高精细建模。首先建立设备模型库;再结合真实地形绘制整个变电站三维模型;最后获得与现场一致的三维模型。     

基于三维激光点云的变电站施工机械设备安全距离评估方法

在变电站改扩建过程中存在带电作业的可能,高效合理的安全距离评估方法至关重要。为此,对基于三维激光点云的变电站施工机械设备安全距离评估方法进行了研究。首先,基于无人机搭载的三维激光点云数据获取系统对待测区域进行全景扫描,结合激光点云及可见光融合三维建模技术,以得到实际扩建现场目标三维数据。进一步,基于catia软件提供的逆向工程模块对获取的坐标、尺寸及参数进行曲面重构造型,得到实际扩建现场所对应的虚拟扩建现场。最后得到耦合施工机械设备的变电站三维模型,并对比安全距离评估标准,对变电站施工机械设备安全距离进行了评估。案例的结果表明,建议在对吴江汾湖变电站主变周围进行改扩建施工时,对设备进行停电操作。通过提出方法,可高效地进行变电站施工机械设备安全距离评估。     

基于几何仿射与注意力的三维激光点云分类

三维点云分类和分割对于三维重建和自动驾驶等技术的发展具有积极的推动作用。三维点云数据具有无序、不规则和稀疏等特点,因此三维点云分类和分割的研究面临诸多挑战。PCT分类网络采用标量注意力机制提取三维点云局部特征,具有良好的三维点云特征学习能力,在三维点云分类和分割任务中表现出先进的分类精度。然而PCT在对三维点云数据进行下采样时忽视了其稀疏性对几何结构所产生的影响,从而无法充分地提取局部特征致使三维点云分类和分割精度下降。针对该问题,本文提出一种基于注意力机制的三维点云分类分割网络GAM-PCT,具体地,GAM-PCT网络采用了向量注意力机制对单通道特征的权重进行调节,利用减法关系和邻域位置编码对三维点云邻域求取注意力特征,同时在对整体点云下采样时插入即插即用的几何形状仿射（GAM）模块来解决三维点云局部区域的稀疏性问题,进而提升网络的分类准确率。实验结果表明,与PCT三维点云分类和分割网络相比,所提出GAM-PCT网络在数据集ModelNet40上的分类精度提升了0.3%,而在ScanObjectNN数据集上的分类精度提升了1.9%,在ShapeNet数据集上的分割平均交并比值提升了0.2%。同时在网络参数量和FLOPs指标上分别降低了0.31 G和0.69 M。实验结果表明改进后网络的复杂度得到了简化,充分验证了改进方法的有效性。     

基于改进云粒子群算法的电力系统无功优化研究

针对云粒子群算法(CPSO)在电力系统无功优化中易陷入局部极值,也存在早熟收敛问题,将基于云数字特征(期望值、熵值、超熵值)编码的云粒子群算法进行了改进:依据解空间的变换将局部搜索和全局搜索相结合,用正态云算子实现粒子的进化学习和交叉变异操作。改进的算法在时间、存储量性能上有了明显的提高,将改进后的算法应用到IEEE30节点标准测试系统和电网中进行仿真运算,与其它算法进行比较。结果表明,该方法在配电网无功优化中能取得更好的全局最优解,加快了收敛速度,提高了收敛精度。     

基于差分粒子群算法的变电站选址定容规划

针对标准粒子群算法(particle swarm optimization,PSO)易陷入局部最优,差分进化算法(differential evolution,DE)后期收敛速度慢的缺点,提出差分粒子群算法(differential particle swarm optimization,DEPSO)将二者进行混合优化,提高群体的收敛速度和全局寻优能力,并应用于配电网变电站规划。在变电站选址数学模型中结合Voronoi图来确定变电站供电范围和规划容量,继而校验变电站实际负载率,简化计算过程,提高搜索效率。通过某市城区远期规划实例验证得知该算法正确有效,可以满足城区配电网的规划要求。     

基于激光点云智能分类技术的输电线路设计应用研究

为了提高输电线路设计过程中地物距离信息校核的精确性,利用激光点云技术进行地物智能分类,从而实现精准的地物距离校核,为路径优化提供依据.首先通过激光雷达获取三维地理信息点云数据,然后利用点云分割等智能算法实现地物自动分类和三维矢量化建模,最后导入三维设计平台内为设计提供数据支撑,从而更好地满足校核需求.该研究成果对于提升...     

基于深度学习的输电线路杆塔点云分类方法

随着激光点云在电力场景中的运用深入,为进一步发挥杆塔点云作用,针对传统方法对杆塔点云精细分类自动化能力不足问题,本文结合无人机激光扫描点云,运用深度学习技术中新兴的针对3D点云处理技术PointNet,利用PointNet技术来对电力杆塔激光点云精细分类,精细分出电力杆塔点云中电力杆塔、输电线路、绝缘子、跳线等部分,共7个种类。试验取得了较好效果,总精度达到0.91。并测试了点云抽稀缺陷情况下电力杆塔点云的分类效果,为电力场景中点云分类提供了可行的解决方案。     

基于三维点云的植株联合任务分割框架

传统的植株器官分割方法依赖经验选择阈值参数,而当前的深度学习浅层框架可能会导致植株重要的几何特征丢 失,并难以有效整合植株的局部和全局特征。因此,提出了一个基于三维点云的植株器官分割网络(local global feature fusion segmentation network,LGF-SegNet)模型,通过引入双权重注意力机制模块和位置编码,更适合在植株点云数据中表达几何 特征。在提出的框架的解码层引入特征聚合模块,融合植株点云的局部和全局特征,使得该框架能够关注植株的整体特征轮 廓同时保留细节植物纹理(如茎和叶)。实验结果表明,提出的架构在语义分割的交并比、精确率和F1 分数的平均值分别达 到85.76%、93.18%、91.08%,在实例分割的平均精确率、平均实例覆盖率以及平均实例加权覆盖率达到85.27%、78.46%、 79.63%,优于当前流行的植株点云分割任务中使用的深度学习网络架构,并适用于植株语义分割和实例分割的双重任务。 这为后续的植株生长预测等研究奠定基础。     

基于三维激光扫描点云配准的目标位姿测量

地外天体着陆探测是我国深空探测的重要形式和方法,针对地面探测模拟训练系统中探测车位姿提取的需求,提出了一种利用激光扫描仪和标靶球结合的方法进行特征识别,拟合出探测车的位姿数据,并建立地面模拟训练系统。首先对激光扫描数据进行滤波预处理去除点云中离群点,然后选择适当的参数对数据进行重采样。通过基于分类改进的区域增长法对点云进行分割,筛选出指定数量范围的点集并拟合多个标靶球位置信息以建立局部坐标系。通过实验数据分析,标靶球拟合精度满足3mm最大允许误差,点云处理速度得到有效提升,验证了特征识别方法的准确性和高效性。最后通过坐标系转换估计出探测车的位姿矩阵信息。     

基于边云协同的变电设备多状态量监测系统研究

为了解决变电设备的多状态量监测中面临的异构传感器接入困难、数据处理时延大、数据传输带宽占用率高等问题,提出了基于边云协同的变电设备多种状态量监测系统.设计了变电设备状态监测的边云协同服务架构.研制了边缘计算装置,支持多种传感器协议的解析、数据采集和边缘计算.实现了变电设备在边缘侧的状态评价和边缘服务,并进行了现场应用验...     

基于云理论的智能变电站二次设备状态评估

针对智能变电站二次设备故障机理复杂、通过单一指标难以有效评估设备潜在隐患的问题,根据装置内部可观测参数,提出一种基于变权理论与梯形云模型的二次设备整体性能模糊综合评判方法。全面建立包含继电保护装置中间节点信息的二次设备状态评估指标体系,结合层次分析法(AHP)和变权理论实现各状态指标权重的实时调整。通过云理论的数字特征处理状态参量出现的模糊性和随机性,能够对评估指标状态特征和性能进行有效关联。实例分析表明该方法简单易行,可为智能变电站二次设备和系统的状态检修工作提供理论依据。     

基于MI-PSO-BP算法的配电设备状态实时评估方法

为了提高配电设备故障预测水平,提出了一种常规综合评估方法与实时评估方法相结合的配电设备运行状态实时评估方法。给出了两阶段综合状态评估方法的框架体系,通过互信息理论(MI)量化设备各属性与状态的相关关系,消除冗余属性。利用粒子群优化(PSO)算法对BP神经网络权值与阈值进行优化,以提高评估质量。利用该MI-PSO-BP模型对某地区配电变压器实时状态进行评估,评估结果及发展趋势与实际情况相吻合,验证了该评估方法的正确性和有效性。     

基于灰色理论和云模型的智能变电站二次设备状态评估方法

针对智能变电站二次设备故障机理的复杂多样性,传统的单一性指标评估难以有效挖掘出潜在的安全隐患。在相应研究基础上建立了二次设备状态评估递阶层次评估模型和指标体系,运用灰色理论中的灰色聚类建立二次设备的状态评估灰色聚类模型。为了节省人力同时兼顾状态评估的客观性,采用灰色预测GM(1,1)模型对专家评分进行离散建模以获得足够的评估样本。同时考虑到评估指标的不确定性,采用云模型构建灰色白化权函数,并结合层次分析法计算状态指标的组合权重。实际案例仿真结果表明,所提方法计算量小且操作简单,可以准确及时地为智能变电站二次设备和系统的状态检修工作提供科学指导。     

基于点云与图像融合的BGA锡球检测方法研究

为实现球栅阵列封装芯片视觉检测中焊球质量和共面度在线检测,提出一种点云与图像数据相结合的检测方法。首先对彩色相机进行标定,再分别获取芯片彩色图像和点云数据,利用随机采样一致性算法获取点云主平面法向量,根据法向量提供的倾角信息,进行倾斜度校正。然后,将倾斜度校正后的点云利用彩色相机内外参数投影成像得到点云灰度图,将其与彩色图像进行点模式匹配,获取点云数据与彩色图像间的平移量和偏转角,完成点云数据与图像数据配准。从配准后的数据提取焊球进行焊球大小、破损、变形、桥连等缺陷检测和高度测量,完成焊球共面度测量。该方法与迭代最近点法进行了对比实验。二者测量结果总体一致,但本文方法在耗时上减少了62.8%。该方法在先进制造业中具有广阔的应用前景。     

基于表面粗糙度聚类的机载雷达点云数据地物分类方法研究

在机载激光雷达的发展与应用下,获取地物的空间分布情况变得更加快速便捷.为了实现面向机载激光雷达点云数据的地物分类,首先利用高程直方图去除原始点云的离群点;其次利用VoxelGrid滤波器采样,在确保形状的前提下,大量降低点云数量;然后改进K-means聚类方法,结合三维点云数据携带的高程信息对原始聚类中心和K值进行确定...     

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。     

基于特征点提取的人体三维数据拼接技术

针对人体对象表面光滑,不好寻找控制点的问题,本文给出基于三维特征点的人体数据拼接算法,通过提取对配准数据轮廓描述较好的三维特征点来减小计算量。实验结果表明,提出算法配准所需时间短,配准精度高。