500kV变压器绕组股间短路特征分析

股间短路是变压器较难查找的缺陷之一。本文中作者介绍了一起500kV变压器股间短路的案例,分析了存在股间短路的变压器在运行、试验、解体阶段所呈现的特征,为此类缺陷的甄别提供案例参考。指出股间短路变压器色谱异常增长与负荷相关;直流电阻、电压比等试验无法发现股间短路缺陷,股间短路点过热将导致局部绝缘劣化,试验上可能表征为局部放电异常、介损增大等;变压器返厂后通过股间绝缘试验验证了缺陷性质,采用电阻测量准确锁定了缺陷部位;采用Ansoft软件对变压器开展电磁计算,发现短路点的能量密度与短路点的电阻有直接关系,为色谱阶跃式增长的现象提供了支撑。     

图像生成和深度度量学习的身份感知面部表情识别方法

为解决面部表情识别中不同图像的背景信息和身份特征会干扰分类准确率的问题,提出一种将图像合成技术和深度度量学习相结合的身份感知人脸表情识别方法,通过在面部表情识别任务中创建相同身份下的表情组,对人脸图像特征进行比较分类.其结构中对抗生成网络,目标在于学习表情信息并生成表情组;特征提取网络用于将图像转化成为可进行度量学习的...     

综合交通运输运行协调和应急指挥系统的设计与实现

为满足交通运输应急指挥中心信息化的需求,开发一款管理软件——综合交通运输运行协调和应急指挥系统。系统旨在为公众出行、企业运营、政府管理决策提供支持,为缓解拥堵、提高交通运行效率和安全水平提供支撑。系统在设计上解决了两个问题:道路调度和应急指挥。系统基于B/S(Browser/Server)结构,采用SSM(Spring,SpringMVC,Mybatis)框架,并使用Maven对项目进行管理;前端使用EasyUI、HighCharts、CKEditor、CKFinder等框架和库,与数据库的交互使用MyBatis逆向工程技术;后台数据库采用MySQL数据库。该系统实现了小组管理、人员分配、任务下达和报告反馈等几个主要功能,完成了应急指挥业务;根据车流密度、天气因素、路段长度、事故因素等采用Floyd算法进行路段调度。综合交通运输运行协调和应急指挥系统基本解决了道路调度和应急指挥两大主要问题,为应急指挥中心提供了一个有效的解决方案。     

基于CNN和表情识别技术的帕金森病诊断多任务学习研究

针对帕金森病患者筛查这一问题，提出一种基于卷积神经网络和面部表情识别技术的帕金森病患者识别的多任务学习网络模型(Densely connected multi-scale convolutional network, DMSNet),该模型主要采用密集连接网络和多尺度卷积核结构。通过获得表情预测结果后，将不同表情特征向量组合用以获得帕金森病患者预测结果。在OuluCASIA和PDface数据库上进行5折交叉实验后，该模型在帕金森病筛查上的有效性得到验证。此外，该模型采用多任务学习机制的优越性也通过与其只进行帕金森病预测的单任务学习模型对比后得到验证。     

基于风格迁移的面部表情识别方法

针对一个人的面部表情可以被分解为表情成分和中性成分，提出一种新颖的基于风格迁移的面部表情识别方法。该方法通过训练循环一致生成对抗网络(Cycle-GAN)得到不同的生成器；这些不同的生成器可将不同的表情迁移到中性，因此每个生成器对应一种不同的表情。在测试阶段，输入表情图像到上述训练好的生成器中。由于只有与输入的表情对应的生成器能迁移成中性表情，因此可以通过这种方式实现面部表情识别。实验结果表明：该新方法不仅在实验室条件下获得的面部表情数据集中表现突出，而且在自然条件下获得的面部表情数据集中也有非常高的识别率。