基于Root-MUSIC频率估计的改进加窗插值FFT相位测量算法研究

在微电网高精度相位测量领域中,为了克服间谐波对加窗插值FFT中的插值多项式拟合算法的精度影响而使相位测量精度明显下降的问题,本文提出了一种加窗插值快速傅里叶改进算法,即采用Root-MUSIC算法准确频率估计,修正Blackman窗三谱线插值FFT频率公式,得到多项式两个变量准确值,修正了之前加窗插值FFT算法由于间谐波等扰动的长范围及短范围频谱泄露造成的变量不准确问题,在得到修正后变量基础上修正相位表达式,从而得到准确地相位值。仿真表明,本算法在存在间谐波扰动的情况下可以很好地估计频率,具有很高的相位测量精度,同时抗噪声干扰能力较强。     

激光雷达输电线路点云数据智能分类方法研究

为解决传统分类方法处理大规模输电线路可视化巡检的激光雷达点云数据时效率低、精度差的问题,提出了一套自动分离输电线廊道中电力线、杆塔、地面和植被的智能化方案.首先依据曲率及邻域特征精准提取出电力线点;然后利用布料滤波法分离地面点和非地面点;最后基于圆柱模型从非地面点里识别出杆塔点和植被点.此研究选用了三段不同密度的输电线...     

基于双视卷积神经网络的输电线路自动巡检

卷积神经网络算法被广泛应用于输电线路自动巡检领域,但传统卷积神经网络电力缺陷识别模型的泛化能力较差.为此,提出一种融合双角度图像信息的卷积神经网络检测算法(CVR-RCNN),其利用2个视角可见光图像识别输电线路的常见缺陷.经实验测试,CVR-RCNN模型具有良好的鲁棒性,受试者工作特性(ROC)曲线下面积(AUC)值高达0.927,缺陷检测准确度较传统算法有显著提高.因此,CVR-RCNN能明显改善电力缺陷检测效果,可为无人机自动巡检输电线路提高准确稳定的算法架构.