变压器绕组松动故障的混沌特征分析方法

为了更加有效地对变压器绕组松动故障进行监测与识别,提出了一种变压器绕组松动故障的混沌特征分析方法。首先,针对振动信号的混沌动力学特性,采用互信息量法和G-P算法分别确定延迟时间和嵌入维数,对变压器振动信号进行相空间重构;其次,通过判断最大Lyapunov指数是否为正,进而证明变压器振动信号的混沌特性,在此基础上分析不同程度的绕组松动故障对相空间轨迹变化的影响;最后,将关联维数、Kolmogorov熵和最大Lyapunov指数作为一组混沌特征用以量化变压器绕组发生松动故障前后振动信号的混沌特性。结果表明：变压器振动信号的最大Lyapunov指数均大于0,证实了其具有混沌特性,所得到的混沌特征能够有效反映变压器绕组松动故障。研究结果为变压器绕组松动状态监测提供了一种理论依据。     

考虑供需双侧响应和碳交易的氢能综合能源系统鲁棒调度

双碳”背景下,为促进可再生能源消纳,约束园区碳排放和应对可再生能源的随机性,构建了含可逆固体氧化物电池(reversible solid oxide cell, RSOC)的园区氢能综合能源系统,并提出考虑供需双侧响应、阶梯碳交易机制和可再生能源出力不确定的鲁棒调度模型。首先,采用RSOC和储氢罐消纳可再生能源富余出力。其次,引入有机朗肯循环(organic Rankine cycle, ORC)余热发电和综合需求响应构成供需双侧响应优化热电运行。然后,通过鲁棒优化理论处理可再生能源的不确定性。接着以系统购能成本、碳交易成本、弃风光惩罚成本和需求响应成本之和最小为目标构建鲁棒调度模型,并采用CPLEX求解。最后通过算例仿真结果验证了模型的有效性。     

紧凑型线路脱冰跳闸故障数值模拟分析

紧凑型线路导线覆冰脱落往往会引发相间及相地闪络跳闸、导地线断股、断线等,为反演故障过程,指导紧凑型线路防冰加固设计及改造,以某500 kV紧凑型线路脱冰跳跃相间闪络跳闸故障为研究案例,基于ANSYS软件建立覆冰导线-绝缘子-相间间隔棒体系的有限元模型,模拟4种脱冰工况,分析不同工况下导线脱冰振动响应,得到导线在脱冰过程中相间间隙和相间间隔棒轴力的变化规律。     

基于两级ＳＶＭ的Φ－ＯＴＤＲ系统振动事件识别算法

相位敏感光时域反射计(Phase-sensitive Optical Time Domain Reflectometer,φ-OTDR)对于振动信号能够实现高灵敏度的连续分布式测量,目前的振动事件识别算法常从一个或者两个维度来提取特征,如时域或频域等,未能实现多维度大样本特征参量的融合分析;现有的算法一般采用简单的单级识别算法,结构比较简单,导致最终的模型识别准确率不高、泛化能力较差。针对上述问题,本文对实验采集的振动信号从时域、频域和空间域的多参量特征进行提取和融合,针对具体的振动信号识别问题,构建了一种两级支持向量机(Support Vector Machine,SVM)识别算法,对振动事件进行了两级分类,能够实现对相似振动事件的精确识别,识别准确率达90%以上。     

多层次知识自蒸馏联合多步骤训练的细粒度图像识别

细粒度图像识别具有类内差异大、类间差异小的特点,在智能零售、生物多样性检测和智慧交通等领域中有着广阔的应用场景.提取到判别性强的多粒度特征是提升细粒度图像识别精度的关键,而已有工作大多只在单一层次进行知识获取,忽略了多层次信息交互对于提取鲁棒性特征的有效性.另外一些工作通过引入注意力机制来找到局部判别区域,但这不可避免地增加了网络复杂度.为了解决这些问题,提出了多层次知识自蒸馏联合多步骤训练的细粒度图像识别（multi-level knowledge self-distillation with multi-step training for fine-grained image recognition, MKSMT）模型.该模型首先在网络浅层进行特征学习,然后在深层网络再次进行特征学习,并利用知识自蒸馏将深层网络知识迁移至浅层网络中,优化后的浅层网络又能帮助深层网络提取到更鲁棒的特征,进而提高整个模型的性能.实验结果表明,MKSMT在CUB-200-2011、 NA-Birds和Stanford Dogs这3个公开细粒度图像数据集上分别达到了92.8%、 92.6%和91.1%的分类...     

带有振动触觉反馈的上肢康复系统

康复机器人在脑卒中患者的术后恢复治疗中起着重要作用。为了提高患者在康复训练过程中的主动性和专注度,提出了一种带有振动反馈的上肢康复训练系统。该系统利用多传感器获取人的上肢位姿信息,实现与虚拟场景的实时交互,并通过实时多层级振动反馈引导人的康复动作。通过心理物理学实验评估受试者对不同振动强度的感受,得出了人体感受区分明显的3个振动强度等级。构建了视触觉有效性实验,受试者需要在虚拟场景中完成特定的康复动作,实验结果表明,相较于无触觉反馈,受试者在振动触觉反馈的作用下可以更稳定高效地完成康复任务。     

基于QDCT全局均分策略的鲁棒视频水印方案

视频水印作为一种应用前景广阔的版权保护技术,近年来受到了广泛关注。与原始域方案不同,压缩域方案不需要完全编解码视频,具有更高的效率;并且视频存储和传输一般需要经过压缩编码才能进行,使得压缩域的鲁棒视频水印方案成为了研究热点。但现有的压缩域方案大多利用压缩域中的QDCT系数个体来嵌入水印,使得算法的鲁棒性不高。为了增加压缩域算法的鲁棒性,文中提出了一种基于QDCT全局均分策略的鲁棒视频水印方案。首先,利用非零系数个数选出视频中兼具纹理和高空间复杂度的块作为水印块,将两块水印块组成块对;然后,分别计算出块对中所有系数的总和,根据系数总和的大小以及水印信息,通过全局均分策略修改后序块内所有非零系数的幅值,来满足方案设置的块对系数和规则,以实现水印的嵌入。实验结果表明,在保证含水印视频具有较高视觉质量的前提下,该方案抵抗重压缩攻击和噪声攻击的鲁棒性均优于现有压缩域的鲁棒视频水印方案,分别提高了8%,9%。     

基于张量鲁棒主成分分析的视网膜眼底图像序列变化检测

在计算机辅助诊断系统中,视网膜眼底图像序列的变化检测是一项重要且具有挑战性的任务。针对视网膜眼底图像序列采样帧少、光照干扰大、难以获得稳健的背景模型,提出了一种基于张量鲁棒主成分分析(tensor robust principal component analysis, TRPCA)的变化检测方法。该方法以TRPCA为模型,通过对序列背景扩充,再利用张量分解而获得变化区域：首先,先选择出序列中最接近正常状态的一张图像作为背景模型;然后,通过预处理将单帧背景模型扩张成多帧背景使得背景模型包含更丰富的光照变化;接着,将整个序列建模为一个3维张量体;最后,利用总变分约束背景模型和变化区域的时空连续性,通过Tucker分解分离出背景模型,获得变化区域。实验结果表明,与基于矩阵的鲁棒主成分分析(matrix robust principal component analysis, Matrix RPCA)方法,Masked-RPCA方法以及不加总变分约束的TRPCA方法相比,基于总变分约束的TRPCA方法能够更准确地分离出变化区域,对血管和光照干扰更具有鲁棒性。     

面向屏幕拍摄的端到端鲁棒图像水印算法

目的 在抗屏摄鲁棒图像水印算法的研究中,如何在保证含水印图像视觉质量的同时提高算法的鲁棒性是存在的主要挑战。为此,提出一种基于深度学习的端到端网络框架以用于鲁棒水印的嵌入与提取。方法 在该网络框架中,本文设计了包含摩尔纹在内的噪声层用以模拟真实屏摄噪声造成的失真,并通过网络训练来学习到抵抗屏摄噪声的能力,增强网络生成的含水印图像的鲁棒性;同时引入了最小可察觉失真（just noticeable distortion,JND）损失函数,旨在通过监督图像的JND系数图与含有水印信息的残差图之间的感知差异来自适应控制鲁棒水印的嵌入强度,以提高生成的含水印图像的视觉质量。此外,还提出了两种图像区域自动定位方法,分别用于解决：拍摄图像中前景与背景分割即含水印图像区域的定位矫正问题,以及含水印图像经过数字裁剪攻击后的解码问题。结果 实验结果表明,引入JND损失函数后嵌入水印图像的视觉质量得到了提高,平均的峰值信噪比（peak signalto-noise ratio,PSNR）、结构相似性（structural similarity,SSIM）可分别达到30.937 1 dB和0.942 4。加入摩尔纹的噪声模拟层后,所提算法的误码率可下降1%～3%,具有抵抗屏摄噪声的能力。另外,将图像的R通道嵌入用于抗裁剪的模板,使得算法可有效抵抗较大程度的数字裁剪攻击。本文算法的计算复杂度较低,对单幅图像进行嵌入时,定位与提取操作的总耗时小于0.1 s,可满足实际应用场景的实时性需求。结论 本文算法的嵌入容量和生成的含水印图像视觉质量较为理想,且在不同拍摄距离、角度以及不同拍摄和显示设备条件下的鲁棒性优于已报道的主流算法。     

周期激励下广义离散Duffing系统的多稳态分析

具有硬边界的动基座双自由度动力学系统在受到基座周期性激励与随机冲击扰动时,振子与边界碰撞后的强非线性特性导致系统产生复杂的混沌行为.本文基于Soft Actor-Critic强化学习框架,构建了同时实现振动控制与基座运动跟随的智能算法,研究了宽频域范围内含有硬边界约束的动基座双自由度系统的动力学控制效果.通过构建包含相对位移、控制力的复合奖励函数,实现动力学系统精度较高的轨迹跟踪与振动抑制.结果表明,该算法可以实现频率范围跨2个数量级(0.01Hz到1Hz)的有效振动控制,并通过与PID控制方法的比较,展现了该方法在复杂环境中的稳定性与泛化性.