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。     

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.

     

基于深度学习的监督型典型相关分析

典型相关分析（CCA）是利用综合变量对之间的相关关系反映两组指标之间整体相关性的多元统计方法。传统的CCA方法无法有效利用样本的标签信息,导致准确率降低。将类信息融入到深度学习与CCA相结合的深度典型相关分析中,提出一种监督型降维方法DL-SCCA,用于处理带标签的非线性可分数据。在2个独立的深度神经网络（DNN）结构上,增加1个公共的输出维数与数据集类别数相同的全连接层,并且以softmax函数作为该层的激活函数,输出带有概率意义的编码向量。在此基础上,利用全连接输出与样本标签信息之间的交叉熵对DNN进行训练,获得分类性能较优的低维特征。实验结果表明,该方法采用最近邻分类器和网络本身结构得到的分类准确率分别为98.00%和97.82%,相比CCA、DisCCA、DCCA等方法,能够有效利用样本的标签信息,并且具有较优的分类性能。     

Effect of Sintering Temperature on Magnetic and Electrical Properties of GdBaCo<Subscript>2</Subscript><Emphasis Type="Italic">O</Emphasis><Subscript>5 + <Emphasis Type="Italic">δ</Emphasis></Subscript>

In this study, we report the results of an investigation into the sintering temperature dependence of magnetic and transport properties for GdBaCo₂ O _{5 + δ} synthesized through a sol-gel method. The lowering of sintering temperature leads to the increase of oxygen content and the reduction of grain size. The increase of oxygen content results in the enhancement of magnetic interactions and the weakening of Coulomb repulsion effect, while the reduction of grain size improves the magnetoresistance effect. Metal-insulator transition accompanied with spin-state transition is observed in all samples.