融合格拉姆角场的深度特征学习在痕量气体浓度识别中的应用研究

针对气体绝缘金属封闭式组合电器(gas insulated switchgear, GIS)设备中痕量气体紫外分析光谱信号易出现吸收峰重叠的问题,提出了一种结合格拉姆角场(Gram’s angle field, GAF)和VGG16改进模型的多组分痕量气体的定量检测方法。首先利用GAF将一维紫外光谱信号转换为时序图像,将光谱信号映射为具有丰富特征信息的图像形式,从而提升原始光谱信号的特征表达能力。其次将GAF特征图输入到VGG16改进模型中,实现痕量气体浓度的特征识别。最后通过不同浓度下采集到的CS2、SO2和H2S的单组分气体和混合气体,与卷积神经网络(convolutional neural network, CNN)、VGG16和SDP＿VGG16等模型进行对比实验,并结合受试者工作特征曲线下面积(area under the curve, AUC)进行验证。结果表明,该方法可以有效地检测出SF6分解所产生的CS2、SO2和H2S痕量气体,是一种行之有效的特征提取方法。     

基于信息融合的电网作业智能终端定位算法

现有的用于电网作业的智能终端设备在定位时采用GPS和无线基站定位.GPS定位和无线基站定位因在部分区域存在信号弱或者无信号的情况,导致定位误差大,定位漂移.本文提出了AGPS、无线基站定位和行人航位推测相结合的基于粒子滤波的信息融合定位算法,并分析了算法实现原理.实验表明,在GPS信号较弱或者无信号的条件下,智能终端依然可完成高精度定位.