基于雷达装备的测试性评估方法研究

雷达装备在作战中具有重要的作用,而雷达装备的测试性设计对雷达装备起关键作用,对雷达装备的测试性设计进行分析,及时将测试性设计和试验相结合,使雷达装备的测试性水平得到提高。首先对雷达装备的测试性设计进行了分析和阐述,之后基于设计和试验提出了一种测试性评估方法,并提出一套测试性评估程序,来帮助雷达装备进行测试性评估。     

基于多参量分布式光纤传感的架空输电线路风振监测分析

输电线路风振可能造成线路闪络、断股和金具疲劳损坏等故障,严重影响电力系统的安全稳定运行,准确和实时地监测线路的风振情况对灾害预警、故障排除和状态评估意义重大。为了解决传统风振监测手段维护困难、可靠性低等缺点,提出了一种基于多参量分布式光纤传感的输电线路风振监测装置。首先介绍了分布式光纤传感的基本原理和设备基本结构,然后利用数值仿真的方法分析了舞动和微风振动时线路的振动频率、幅值特征,论证了利用分布式光纤监测风振的可行性。实验证明,该装置能同时监测输电线路沿线各段的风振及线路内部应力变化情况,其60 km内的定位精度为±50 m,舞动及微风振动频率监测误差分别为0.07 Hz和0.01 Hz。该装置为架空输电线路的风振在线监测提供了新方法。     

面向联合检修的电力信息物理系统输电线路脆弱相关性辨识

为减少用户停电时间,电力企业常采取“一停多用,联合检修”模式。然而,检修计划往往侧重于关注线路本身的运行状态,而缺乏对电网整体运行性能的考虑。在跨区联合检修中,由于多条线路陆续停电检修,系统的脆弱性可能被放大。电力信息物理系统之间的融合关系也可能加剧故障跨域传播的深度和广度。在协同破坏效应下,系统存在连锁故障及大停电的可能。为此,提出一种该场景下输电线路脆弱相关性的辨识方法。首先,对联合检修中的能量流动和信息传输过程建模,构建联合检修事故记录数据库。其次,挖掘数据库中存在脆弱相关性的线路组合,通过计算线路组合在诱发停电事故时的贡献度,实现脆弱相关性的量化。仿真结果表明：联合检修时,脆弱相关的线路组在物理层和信息层都表现出了协同破坏效应。所提方法能有效地辨识和量化线路组的脆弱相关性,为制定更加合理的联合检修计划、避免大停电事故的发生提供理论指导。     

基于改进SSD的光伏组件故障定位检测

为准确定位航拍红外图像中光伏组件故障的区域位置,在单阶段多框检测(Single Shot Multibox Detector,SSD)模型的基础上设计了ResNet18＿FPN＿DN＿SSD模型。首先用ResNet18替代SSD模型的基础网络VGG16,以提高故障特征的提取能力;然后引入DR loss,针对目标样本类别失衡及负样本过多的问题进行优化改善;最后在非极大值抑制(Non-Maximum Suppression,NMS)基础上做加权处理,使分类置信度高的边框充分利用周围对象的信息,提高预测框的分类置信度与定位准确率。实验表明:所提出的模型对图像中故障目标的检测效果,在定位精度、分类置信度和m AP上均优于传统SSD模型。     

无线多中继系统中判决门限辅助的快速Z转发协作

针对Z向转发(ZF)协作所有中继节点均参与协作转发导致的能耗利用不合理问题, 该文提出了一种适用于多中继场景下的门限辅助判决快速Z转发(DT-FZF)协作.当中继节点处接收信号对数似然比(LLR)的绝对值小于门限时,中继节点不参与协作转发;否则中继节点协作转发经截断后的对数似然比(LLR).放大转发(AF)、译码转发(DF)、分段转发(PF)和ZF协作可看作DT-FZF协作的特殊情况.在三中继系统,误比特率(BER)为10–3时,相比ZF协作,所提协作可获得约0.8 dB的性能增益.     

(CoFe)Se2@NC超级电容器电极材料的制备及其电化学性能

金属-有机框架(MOF)衍生的过渡金属硒化物和多孔碳纳米复合材料具有巨大的储能优势,是应用于电化学储能的优良电极材料。采用共沉淀法制备CoFe类普鲁士蓝(CoFe-PBA)纳米立方,并通过静电组装在CoFe-PBA上包覆聚吡咯(PPy)得到CoFe-PBA@PPy;通过在400℃氮气中退火并硒化成功制备了氮掺杂的碳(NC)包覆(CoFe)Se₂的(CoFe)Se₂@NC纳米复合材料,并对其结构和形貌进行了表征。以(CoFe)Se₂@NC为电极制备了超级电容器,测试了其电化学性能,结果表明,在电流密度1 A/g时超级电容器的比电容达到1047.9 F/g,在电流密度5 A/g下1000次循环后具有良好的循环稳定性和96.55%的比电容保持率。由于其性能优越、无毒、成本低和易于制备,未来(CoFe)Se₂@NC纳米复合材料在超级电容器中具有非常大的应用潜力。     

基于像素值排序与块再分的可逆数据隐藏算法

基于像素值排序的可逆数据隐藏算法通过修改图像块中的最大像素和最小像素嵌入数据,但并未充分利用图像块内的每一个像素,从而影响嵌入性能。结合块再分原理,提出基于像素值排序的可逆数据隐藏算法。将原始图像划分为3×3的图像块,计算每一个图像块的局部复杂度。设计12种分块模式将局部复杂度小于阈值的图像块细分为子块A和B。根据子块A和B的不同局部特征分别采用2种不同的扫描顺序读取像素。子块A的像素序列使用次小值预测最小值和次大值预测最大值的方法,获得2个预测误差值,子块B的像素序列利用中值像素连续预测其余4个像素的方法,得到4个预测误差值。在此基础上,利用图像块中预测误差值为0和1的像素嵌入隐藏数据。实验结果表明,该算法在一个图像块中最高可嵌入6 bit的数据,在较低计算复杂度的情况下能够有效提高像素的嵌入性能。     

Response map evaluation for RGBT tracking

Neural Computing and Applications - In recent years, RGB and thermal sensors are widely used. There is complementary information from these two types of sensors. A fundamental task which arises in...     

Mixed graph convolution and residual transformation network for skeleton-based action recognition

Action recognition based on a human skeleton is an extremely challenging research problem. The temporal information contained in the human skeleton is more difficult to extract than the spatial information. Many researchers focus on graph convolution networks and apply them to action recognition. In this study, an action recognition method based on a two-stream network called RNXt-GCN is proposed on the basis of the Spatial-Temporal Graph Convolutional Network (ST-GCN). The human skeleton is converted first into a spatial-temporal graph and a SkeleMotion image which are input into ST-GCN and ResNeXt, respectively, for performing the spatial-temporal convolution. The convolved features are then fused. The proposed method models the temporal information in action from the amplitude and direction of the action and addresses the shortcomings of isolated temporal information in the ST-GCN. The experiments are comprehensively performed on the four datasets: 1) UTD-MHAD, 2) Northwestern-UCLA, 3) NTU RGB-D 60, and 4) NTU RGB-D 120. The proposed model shows very competitive results compared with other models in our experiments. On the experiments of NTU RGB?+?D 120 dataset, our proposed model outperforms those of the state-of-the-art two-stream models.