基于改进SSD的架空线路关键部件实时检测

针对深度学习目标检测算法移植到嵌入式平台上精度与速度不均衡的问题,提出一种基于改进SSD(single shot multi-box detector)的架空线路关键部件实时检测算法多尺度并行融合检测MSPF-DN(multi-scale parallel fusion detection network).通过不同倒残差块和不同激活函数的组合结构,设计更高效的特征提取网络,同时设计一种轻量级并行结构,应用在特征提取网络的多个尺度上.实验结果表明,该算法取得了较高的检测精度和实时的检测速度.     

再生制动式电力机车制动过电压的计算与仿真

再生制动式电力机车在制动运行时时常发生再生颠覆,造成保护电容击穿甚至爆炸等事故,特别是当电力机车在长、大下坡途中制动时,时常发生车顶间隙放电、变电所跳闸等现象,影响了机车稳定运行。为此,以SS7为例,考虑牵引电机电流脉动的特点,对系统发生再生颠覆时过电流及过电压的表达式进行了数学推导;考虑牵引电机磁路的非线性建立了电力机车的动态仿真模型,并对机车运行于不同速度时发生再生颠覆的过电流及过电压进行了仿真计算。仿真结果表明,机车再生颠覆所产生的过电压的大小与机车运行速度v有关,且机车在40km/h≤v≤60km/h发生再生颠覆时,产生的再生过电压将会导致吸收电容损坏、变压器原边绝缘击穿、车顶间隙放电;机车在v≥70km/h发生再生颠覆时,变压器原边所产生的过电压可能导致接触网间隙放电、牵引变电所跳闸。     

基于图神经网络的变电站场景三维目标检测

在变电站三维场景中，对巡检人员和带电设备的精确定位与识别是提高人员安全管控水平的前提。针对变电站复杂场景中目标定位与识别不准的问题，提出了一种基于图神经网络的变电站场景三维目标检测方法。该方法基于point-GNN结构设计，在顶点特征提取阶段，提出PCS(point-channel-sphere)注意力结构，提取更加丰富的关键点特征信息；在GNN边缘特征聚合阶段，采用统筹性池化机制，兼顾最大池化和均值池化从而获取更丰富的全局特征；改进模型损失函数，将Focal Loss作为分类损失使训练更加关注前景点，将DIoU Loss作为回归损失使回归任务更高效。在自建的变电站场景数据集上进行训练与测试，实验表明该方法 mAP值达到73.81%，优于基准模型，能够改善变电站场景中目标的检测效果，对提高人员安全管控水平具有一定的实用价值。