基于机器视觉的智慧照明系统

随着“碳中和”政策的不断出台,节能减排受到更多的重视和关注,尤其公共场所照明系统中经常出现的大面积、长时间无人不断电、少人多用电等情况。在调查了智慧照明节电技术基础上,进行系统分析,提出了基于机器视觉的智慧照明系统解决方案。选用海康威视红外网络摄像机进行实时图像采集,Jetson-NANO作为主控,设计了基于YOLOv5的目标识别算法和模板帧差算法的区域定位和人员分布,将识别后的控制结果通过串口传输至电气控制模块,并增加了温湿度和光照度传感器辅助智能控制,最终实现照明系统智慧控制,达到低碳环保、节能减排的目标。     

基于Transformer与增强信息融合的双源情感识别

为解决当前多模态情感识别效果不佳的问题,提出了一种基于Transformer与增强信息融合的双源情感识别模型,模型由音视频编码分支网络和双源增强特征融合模块组成。其中,视频编码分支利用MobileViTv2提取每帧视频的空间特征,并通过在Transformer编码器结构中内嵌残差结构,强化各帧短期关联语义信息的提取能力。在音频特征提取部分构建了维度匹配器,避免了潜在异构鸿沟,提高了模型训练的鲁棒性。在音视频特征融合处引入低参数量跨模态注意力机制,从两个角度同时增强特征融合能力。通过对比和消融实验证明了方法在多模态情感识别任务中的有效性。     

基于毫米波雷达传感器RAI图像的手势识别方法

针对现有的手势识别方法存在数据集过少、利用特征信息较少和神经网络部分提取信息不充分的问题,提出一种基于毫米波雷达传感器RAI图像的手势识别方法。首先使用TI公司的IWR1443毫米波雷达传感器采集10类手势数据构建数据集,再通过对手部反射的雷达信号进行时频分析,获取固定帧数的RDI和RAI。为了充分提取手势特征并精确分类,在卷积神经网络基础上,引入了残差块和通道注意力块。实验结果表明,相较其他特征如RDI,RAI能更准确的表征手势,所提出的网络相比于CNN方法准确率提高了12.72%,相比于VGG16-Net和单参数VGG16-Net方法准确率提高了8.93%与10.41%,参数量降低了90.68%,时间复杂度降低了17.2%。     

大唐重庆分公司:实现电厂智慧安全和智慧运行

近期,大唐集团重庆分公司“基于工业互联网的智慧电厂安全管控创新应用”项目通过“国家技术转移示范机构”中科合创的科技成果评价。专家组一致认为,该项目取得了关键技术创新成果,总体达到国际先进水平。该项目重点针对现场人员安全、设备运行工况以及漏油漏水等电厂安全生产问题进行了深入研究,结合风险分析识别算法模型,可全面掌握现场人员、设备、环境的实时信息。     

基于深度神经网络的短波特定信号识别研究

在时变色散信道和低信噪比下,基于时频图利用深度神经网络的短波信号识别的方法对并行多音信号的识别能够取得一定效果,但常用的相位调制的串行单音短波信号识别难以取得较好效果。由于短波信号帧结构中都含有同步帧和发射电平起控帧等特征数据,提出了一种基于同步帧注意力机制的卷积神经网络结构。测试结果表明,使用卷积神经网络（Convolutional Neural Networks,CNN）、双向长短时记忆（Bi-directional Long Short Term Memory,Bi-LSTM）和注意力机制搭建成的深度神经融合网络模型对短波基带信号直接进行检测识别能够取得较好效果。     

基于灰狼优化算法的金属氧化物避雷器老化识别

为有效评估恶劣环境下金属氧化物避雷器工作状态,解决MOA老化在线识别难题,提出基于灰狼优化算法的MOA老化识别方法。首先,分析MOA自身参数与泄漏电流关系;其次,利用灰狼优化算法求解体现MOA老化性能的α、k和自身电容C,实现MOA老化在线监测;然后,对不同谐波电压和电压波动下泄漏电流进行仿真;最后,进行试验验证,结果表明该方法不受电网中谐波电压幅值、相位及谐波含量影响,能准确实现MOA的老化识别。     

基于机器视觉的输电线路无人机激光清障方法研究

针对传统输电线路无人机清障方法对故障点定位不准确的问题,研究基于机器视觉的输电线路无人机激光 清障方法.利用AI技术对输电线路图像提取特征值,无人机在巡检过程中运用机器视觉技术搜寻对应坐标点;近邻 图像像素取平均值构成模板,对故障线路特征图像进行滤波、降噪处理;通过蚂蚁运算得到无人机巡检的起始点和终 止点,规划无人机激光清障工作路径.测试结果表明该方法的搜寻故障点与实际故障点的误差值为零,精准定位故障 点,实现输电线路无人机对故障物的有效清除.     

基于超声信号的变压器故障在线检测识别方法

变压器是电力系统的关键设备,然而变压器在运行过程中受到多种内部和外部因素的影响,导致其随着使用时间的增加而老化。绝缘击穿是变压器故障的主要原因之一。局部放电是一种通常出现在绝缘失效前的现象。如何消除局部放电检测的噪声信号、提取有效的特征信息并有效识别变压器状态,是保障变压器可靠运行的重要技术。为此,提出了一种基于变分模式分解（VMD）和一维卷积神经网络（1D_CNN）的变压器故障类型识别方法。首先描述了VMD的应用原理,然后结合1D_CNN提出了一套识别方法,最后基于故障样本和测试数据对该方法的可行性进行了测试和对比验证。结果表明,该方法可对变压器的故障类型进行有效的识别,对保障变压器安全运行有参考价值。     

基于水-光-荷模块分层协同搜索的风险调度策略

多能互补是促进清洁能源并网消纳与提升电力调节性能的重要途径,多源接入规模加剧了决策与风险并存问题。该文旨在优化搜索维度,协调源–荷互动关系以应对能源消纳与调峰压力,并保障电站与机组运行可靠性。为此提出光–荷模块分层协同搜索策略。在外层,提出光–荷预测偏差的鲁棒特征,依据场景集合反演特征参数,计及光–荷模块多重不确定性的置信区间;在中层,结合源–荷调节平衡能力重构水–光模块,旨在支持系统出力调峰目标;在内层,引入中层电力重构的电量与波动特征识别机组运行风险区间,通过逐步优化机组安排与分区负荷转移,降低机组穿越振动区风险;以此建立层间目标跟踪与层内风险调控的动态协同搜索策略,形成光–荷不确定性下的发电决策空间。最后以澜沧江西藏段混合发电系统为研究背景,结果表明该策略相较于传统方法,在响应调峰目标的基础上有效降低了光、荷交替波动下的系统运行风险。     

基于迁移判别回归的跨域语音情感识别

针对实际情况下训练和测试数据来自不同领域数据库导致识别性能下降的问题,提出了一种基于迁移判别回归的跨域语音情感识别方法。首先,引入最大均值差异和图拉普拉斯项作为域间联合距离度量,在减小概率分布差异的同时,很好地保留数据的局部几何结构,从而学习到一个可迁移的公共特征表示。其次,本文采用一种能量保持策略,以避免迁移过程中目标域信息的丢失。此外,通过引入判别回归项,利用已标记的源域样本在公共子空间中训练一个可迁移的判别回归模型。最后,为了使学习到的模型具有特征选择能力和鲁棒性,分别对投影矩阵和回归项施加L_2,1范数约束。在3个公开数据集上的实验结果表明,本文提出的算法相较于其他几种迁移学习方法具有更好的识别性能。