基于EEMD-SE和栈式降噪自编码网络的局部放电模式识别

由于变电站环境复杂,利用传统的特征统计方法不能准确地提取局部放电(PD)信号的特征及对其识别分类.对此,提出一种基于集合经验模态分解(EEMD)和样本熵(SE)的局部放电信号特征提取方法.利用EEMD算法对局部放电信号进行时频分析;计算EEMD分解得到的固有模态函数(IMF)的样本熵,并将其作为特征向量表征不同放电类型;采用栈式降噪自编码网络(SDAE)对放电类型进行分类识别.通过对四类局部放电故障进行特征提取和模式识别,对比实验结果表明,该方法能有效地提取放电信号的特征,并较准确地识别各类放电类型.     

计算机图像处理与识别技术在现代交通中的应用分析

计算机图像处理与识别技术是一门涉及数字图像处理、模式识别等学科的综合性技术,具有处理运作速率优异、精准度相对较高、高可靠性等特点,已经在人们的生活中得到越来越广泛的应用。计算机图像处理与识别技术在智能交通中主要应用在车牌自动识别、运动状况识别与路径追踪判别、数据收集、道路障碍检测、电子警察等几个方面。     

便携式GIS局部放电检测系统

为查找运行中GIS设备的绝缘缺陷位置以及为检修维护方案提供有效支持的重要手段,局部放电定位技术在GIS现场安全维护中得到广泛的关注。通过分析GIS局部放电检测定位技术的优缺点,设计并制作了便携式GIS局部放电检测系统。现场应用情况表明,便携式GIS局部放电检测系统同时检测局部放电的超高频和超声信号,并对两类信号进行比较分析,能更加有效地排除现场干扰,检测运行中GIS的局部放电信号并对绝缘缺陷进行准确定位。     

基于红外热图像电力设备热故障的自动诊断

本文在分析电力设备红外热图像及电力设备热故障特点的基础上,应用图像处理和模式识别理论对电力设备红外热图像的目标识别、电力设备热故障的自动诊断进行了研究和实现,取得了令人满意的效果。     

紫外红外双光谱电力设备在线监测系统

针对电力系统中红外成像、紫外成像、紫外脉冲检测等带电设备非接触式放电检测技术存在的问题,结合紫外脉冲探测扫描、红外测温扫描、摄像和图像处理技术,研制了一种新型电力设备在线监测系统.该系统主要由紫外红外双光谱探测模块、嵌入式系统模块、温度湿度测量模块和广域无线通信模块构成.通过图像处理技术,将设备的局部放电分布和温度分布数据置入由摄像头获取的设备图像,建立与设备图像的对应关系.系统不仅能定量表示放电程度,而且能以图像方式直观地显示出放电位置、温度分布及其发展变化情况,并及时发现电力设备的故障,具有广泛的应用价值.     

基于MobileNet的电力设备图像识别

针对全社会用电量需求的增大所引起的电力输送和用电安全与人力维护的成本较高等问题,借助图像增强技术与深度学习技术实现对电力设备图像的识别与分析。首先,利用图像增强技术完成对电力设备图像集的扩充和增强;其次,搭建MobileNet卷积神经网络完成对电力设备图像进行数据训练与识别。最终实验表明,MobileNet的运行速度为0.02 s一张图片,检测率可达到96%,该方法适用于图像特征较明显、大量重复检测的电力设备检测场景。     

基于共振稀疏分解的局部放电信号窄带干扰抑制新方法

针对电气设备局部放电信号容易被现场运行环境中的窄带干扰信号淹没、不易提取的难题,提出了基于共振稀疏分解的局部放电信号窄带干扰抑制新方法。该方法根据局部放电信号与窄带信号的振荡特征,分析并合理选择品质因子、冗余因子、分解层数和权重系数,实现了对含窄带干扰的局部放电信号的稀疏分解,并将其分解为高共振分量、低共振分量和残余分量,从而可提取出有效的局部放电信号。与小波变换阈值滤波法对比,该方法能更有效地抑制窄带干扰,且误差小、相似度高。仿真和实测数据的处理结果也验证了该方法的有效性。     

基于卷积神经网络的火灾视频图像检测

随着计算机技术的发展,融合计算机视觉、机器学习、深度学习等技术的火灾图像处理技术得到了广泛的研究和应用。针对传统图像处理方法预处理过程复杂且误报率高等问题,提出一种基于深度卷积神经网络模型进行火灾检测的方法,其减少了复杂的预处理环节,将整个火灾识别过程整合成一个单深度神经网络,便于训练与优化。针对识别过程中类似火灾场景对火灾检测产生干扰的问题,利用火灾的运动特性,创新性地提出利用火灾视频前后帧火灾坐标位置变化来排除灯光等类似火灾场景对检测的干扰。对比了众多深度学习开源框架后,选择Caffe框架进行训练及测试,实验结果表明,该方法实现了对火灾图像的识别和定位,适应于不同的火灾场景,具有很好的泛化能力和抗干扰能力。     

矿用干式变压器局部放电模式识别方法

为提高矿用干式变压器局部放电模式识别准确率,提出了一种矿用干式变压器局部放电模式识别方法。首先,采用正交匹配追踪算法对原始局部放电信号进行去噪,最大程度保留原始局部放电信号的有用信息;然后,通过自回归模型提取去噪后局部放电信号的自回归系数特征;最后,将自回归系数特征输入随机森林集成分类器对局部放电模式进行识别。实验结果表明,该方法平均识别准确率达98%。     

基于小波降噪的稀疏傅里叶变换时延估计

稀疏傅里叶变换时延估计具有较低的运算时间复杂度,但在低信噪比时无法准确估计出时延.针对稀疏傅里叶变换时延估计在噪声干扰下时延估计精度下降的缺点,提出了基于小波降噪的稀疏傅里叶变换时延估计算法.算法利用小波降噪方法处理接收到的信号,再对降噪后的信号进行稀疏傅里叶变换广义相关,通过检测相关函数的谱峰得到估算的时延值.实验仿真以及对实测数据的验证均表明,在低信噪比条件下,基于小波降噪的稀疏傅里叶变换时延估计算法在保证数据高处理速度的同时,具有较好的抗噪性以及较高的时延估值精确度.     

基于光纤传感技术的局部放电超声信号检测方法研究

电力设备局部放电易引发电气短路故障,传统的电检测方法针对单点测量,在长距离测量上受到局限.分析了局部放电的参数特征,设计了一种检测局部放电信号的光纤环结构,并构建了基于Sagnac干涉原理的光纤传感局部放电检测方案.在实验室环境下模拟电力设备局部放电,搭建了局部放电光纤检测系统,传感光纤总长度为8.398 km,进行局部放电检测试验.试验证明,在10 kV电压等级下,局部放电时域信号幅值范围为0.1 V~1.8 V,频率响应范围为可达60 kHz,研究表明该方法具有灵敏度高、频率响应范围宽等特点,为电力设备局部放电检测提供了新的思路.     

基于非局部自相似性的遥感图像稀疏去噪算法

基于非局部自相似性的遥感图像稀疏去噪方法研究,在为后续的图像分析、识别以及较高层次的处理提供保证方面具有重要意义。针对遥感图像中存在非局部自相似性和稀疏性,在分析传统稀疏去噪模型的基础上,将具有相似结构的非局部块构建成组,用组作为稀疏表示单元,利用基于组正则化稀疏模型进行图像去噪。此外,针对采用整幅图像进行字典学习具有高计算复杂度,分析组特点,为每个组自适应学习一个字典。最后,为获得有效的去噪结果,利用迭代收缩阈值算法解决L0最小化问题。以"资源三号"遥感图像为数据进行实验,结果表明,该算法能较好地去除遥感图像的噪声,提高图像的峰值信噪比,保持图像结构信息。基于非局部自相似性的遥感图像稀疏去噪算法能够充分利用图像块信息有效的去除图像中的噪声,提高图像质量。     

基于神经棒的电力变压器离线图像识别研究与应用

为解决智能移动设备在电力变压器等设备的巡检、运维工作的图像识别中难以适用于无网络的离线环境问题,本文综合考虑电力设备巡检、运维工作的实际需求和真实情况,设计一种基于神经棒的电力变压器离线图像识别系统。首先,引入卷积神经网络算法,构建深度学习图像识别模型,并利用真实图片数据集对模型进行训练调优;然后,创新地将模型集成到神经计算加速棒中,搭建电力变压器离线图像识别系统,进一步解决网络对系统的束缚;最后将本文的基于神经棒的电力变压器离线图像识别系统与现有的4G网环境下移动设备识别系统、离线环境下移动设备识别系统在贵州电网贵阳局城北分局提供的真实图片数据集上进行对比验证,结果表明本文提出的基于神经棒的电力变压器离线图像识别系统具有较高的识别准确率和稳定性。     

Pattern recognition with cerebellar model articulation controller and fractal features on partial discharges

This paper presents a new partial discharge (PD) pattern recognition method based on the cerebellar model articulation controller (CMAC). CMAC is an adaptive system by which defect types for partial discharge can be identified by referring to a table rather than by mathematical solution of simultaneous equations. CMAC maps input features of partial discharge into an input vector which is used to address a memory where the appropriate defect types are stored. Five types of defect models are well-designed on the base of investigation of many power apparatus failures. A PD detector is used to measure the raw three-dimension (3D) PD patterns, from which the fractal dimension, the lacunarity, and the mean discharges of phase windows are extracted as PD features. These critical features form the cluster domains of defect types. Using the characteristics of self-learning, association, and generalization, like the cerebellum of human being, the proposed CMAC-based pattern recognition scheme enables a powerful, straightforward, and efficient pattern recognition method. Moreover, the CMAC has the advantages of higher accuracy, shorter learning times, and noise tolerance, which are useful in recognizing the PD patterns of electrical apparatus. To demonstrate the effectiveness of the proposed method, comparative studies using a multilayer neural network (MNN) and K-means method are conducted on 200 sets of field-test PD patterns with high accuracy and high tolerance in noise interference.     

基于智能传感视觉的电缆裸露风险模式识别指标分析

为了避免电缆裸露造成的工程作业故障等问题,提出基于智能传感视觉的电缆裸露风险模式识别指标分析。通过了解致使电缆裸露因素,分析电缆裸露风险识别指标和原理,对电缆破损数据进行预处理。采用SVD方法提取数据特征,引入智能传感视觉技术实现电缆破损数据重构,从而完成对电缆裸露风险模式识别指标的分析。实验结果表明,所提方法分析准确性高,有效降低电缆裸露风险,减少电力传输过程的损失。     

可见光-近红外HSV图像融合的场景类字典稀疏识别方法

针对典型自然场景智能观测的需求,为提高稀疏分类器在小样本数据库上的识别精度,提出一种可见光和近红外（NIR）HSV图像融合的场景类字典稀疏识别方法。首先,利用一直应用在计算机视觉显示领域中的图像HSV伪彩色处理技术将近红外图像与可见光图像融合;然后,对融合图像进行通用搜索树（GiST）特征和分层梯度方向直方图（PHOG）特征的提取与融合;最后,结合提出的类字典稀疏识别方法得到场景分类结果。所提方法在RGB-NIR数据库上的实验识别精度达到了74.75%。实验结果表明,融合近红外信息的场景图像的识别精度高于未融合时的识别精度,所提方法能够有效增加稀疏识别框架下场景目标的信息表征质量。     

基于数据可视化的复杂系统信号时序识别方法

针对复杂系统研发及运行过程中产生的大量信号可以表征系统运行的时序健康状态这一特性,提出了一种基于数据可视化及卷积神经网络(convolutional neural networks,CNN)智能识别的时序特征识别方法;该方法使用数据可视化技术将信号的时序特征映射至图像,通过训练好的特征识别模型对信号可视化图像进行时序特征的识别,可实现系统运行时的实时智能状态监测;选取了三种典型信号的正常及异常特征,通过模型构建及测试分析,验证该方法对复杂系统信号的时序特征有良好的识别效果,可应用于对时序要求较高的复杂系统进行状态监测及故障诊断。     

基于虚拟现实技术的信息管理系统设计

虚拟技术近年来发展非常迅速,在采用虚拟现实技术构建数据中心的基础上,结合物联网技术、图形图像识别技术搭建一个智慧3D虚拟信息管理系统。基于图形图像技术以3D可视化的呈现管理方式,使数据中心的管理更加直观,管理人员可以更加主动、方便的进行管理。系统采用C/S的软件体系结构,使用3D MAX软件对建筑物、道路、树木、机房场景和设备进行建模、贴图和模型烘焙,然后将用3D MAX软件建立的模型转换成fbx文件导入到Unity 3D软件中,通过对三维场景的编辑、开发,调用MS SQL Server数据库实现对机房中每个机柜、服务器、网络设备的智能导航以及属性、状态信息的显示等功能,实现数据中心信息管理系统的设计。系统投入业务使用后,运行流畅,操作设备时真实性、交互性较强,极大提高了现场代入感。     

自适应超完备字典学习的SAR图像降噪

提出一种基于自适应超完备字典学习的SAR图像降噪。该算法建立在超完备字典稀疏表示基础上,具有较强的数据稀疏性和稳健的建模假设。算法依据相干斑噪声统计特性,通过分步优化字典原子和变换系数自适应构造超完备字典,利用获得的超完备字典将图像局部信息投影到高维空间中,实现图像的稀疏表示,运用正则化方法建立多目标优化模型。最后通过对优化问题的求解重建SAR图像场景分辨单元的平均强度,实现SAR图像的降噪。实验结果表明,该算法对相干斑噪声有很好的抑制效果,并且具有保持图像细节信息的优点。     

基于智能图像识别的无人机电力线路安全巡检方法

为了解决无人机电力线路巡检过程中安全性指标偏低问题,降低了无人机电力线路巡检效率,因此提出基于智能图像识别设计新的无人机电力线路安全巡检方法。采集无人机电力线路安全巡检图像并加以滤波处理,基于智能图像识别技术设计无人机线路巡检识别算法,采用最优全局概率搜索遗传算法规划无人机电力线路安全巡检路径,实现了无人机电力线路安全巡检。结果表明,设计的无人机电力线路安全巡检方法的巡检安全性指标较高,证明设计的无人机电力线路安全巡检方法的巡检效果较好,具有可靠性,具有一定的应用价值。