变电站自动巡检机器人系统及其关键技术

对变电站电气设备进行定期巡视,迅速获得变电设备的状态信息并及时发现变电设备的缺陷和隐患,是保障变电站的安全稳定运行的关键。当今智能电网的建设推进了变电站无人化的发展进程,利用变电站自动巡检机器人取代人工对变电设备状态进行检测是一种便捷、可靠和经济的技术手段。对变电站自动巡检机器人的结构系统、无线充电系统以及工作流程作了简要介绍,最后将自主式移动机器人巡检与传统人工巡检作了对比。并对变电站自动巡检机器人具有的巨大优势和发展潜力及其广阔的应用前景进行了分析预测。     

用于未对齐多模态语言序列情感分析的多交互感知网络

针对现有对齐多模态语言序列情感分析方法常用的单词对齐方法缺乏可解释性的问题,提出了一种用于未对齐多模态语言序列情感分析的多交互感知网络（MultiDAN）。MultiDAN的核心是多层的、多角度的交互信息提取。首先使用循环神经网络（RNN）和注意力机制捕捉模态内的交互信息;然后,使用图注意力网络（GAT）一次性提取模态内及模态间的、长短期的交互信息;最后,使用特殊的图读出方法,再次提取图中节点的模态内及模态间交互信息,得到多模态语言序列的唯一表征,并应用多层感知机（MLP）分类获得序列的情感分数。在两个常用公开数据集CMU-MOSI和CMU-MOSEI上的实验结果表明,MultiDAN能充分提取交互信息,在未对齐的两个数据集上MultiDAN的F1值比对比方法中最优的模态时空注意图（MTAG）分别提高了0.49个和0.72个百分点,具有较高的稳定性。MultiDAN可以提高多模态语言序列的情感分析性能,且图神经网络（GNN）能有效提取模态内、模态间的交互信息。