【摘 要】
：
为保障电力系统的安全运行，电力系统常需要针对运动目标，如鸟类，气球，维修作业人员等进行追踪，传统的运动目标追踪主要依赖人工巡检，该方式工作量大、周期长、效率低，无法满足行业的发展需求。近年来，随着人工智能技术的发展，面向电力系统的运动目标追踪技术逐渐得到关注，现有方法虽有一定成效，但是大多基于固定摄像头的监控视频录制，不能灵活追踪运动目标，当运动目标离开摄像头视野时，存在运动目标丢失问题。为此，利
论文部分内容阅读
为保障电力系统的安全运行，电力系统常需要针对运动目标，如鸟类，气球，维修作业人员等进行追踪，传统的运动目标追踪主要依赖人工巡检，该方式工作量大、周期长、效率低，无法满足行业的发展需求。近年来，随着人工智能技术的发展，面向电力系统的运动目标追踪技术逐渐得到关注，现有方法虽有一定成效，但是大多基于固定摄像头的监控视频录制，不能灵活追踪运动目标，当运动目标离开摄像头视野时，存在运动目标丢失问题。为此，利用无人机设备，并基于深度学习和核相关滤波技术，提出了一个电力场景下基于无人机视觉的运动目标追踪方法（MT
其他文献
现有的基于雷达传感器的手势识别方法，大多先利用雷达回波对手势的距离、多普勒和角度等信息进行参数估计，得到各种数据谱图，然后再利用卷积神经网络对这些谱图进行分类，实现过程较为复杂。该文提出一种基于串联式1维神经网络(1D-ScNN)的毫米波雷达动态手势识别方法。首先基于毫米波雷达获取动态手势的原始回波，然后利用1维卷积和池化操作对手势特征进行提取，并将这些特征信息输入1维Inception v3结构
即时学习方法在历史数据库中寻找当前样本的相似样本建立局部预测模型，可以有效解决工业过程数据强非线性问题。但历史数据库中各数据集之间存在工况差异，会在一定程度上降低预测精度。针对多工况问题，引入一种基于工况差异度量的多源集成即时学习软测量模型，首先采用公共差异信息提取方法（JIVE）提取各过程的特殊信息，并以当前过程作为查询域，计算其与各历史过程的特殊信息之间的KL散度表征分布差异度 量并得到最近邻
在基于概率地图的移动机器人目标搜索规划中,目标在工作环境中的存在概率通常被设置服从离散均匀分布,进而采用路径长度指标优化搜索任务的全局路径.然而,真实工作空间中的概率分布绝大多数并不服从均匀分布,这将导致所获搜索策略并非预期的最短时间.针对该问题,本文根据实际工作环境构建了概率测算模型,并基于该模型构建概率地图,进而提出了一种以预期最短时间为优化指标的机器人目标搜索路径规划方法.该方法采用了分层规
针对存在量化数据、通信时滞等通信约束以及带有竞争关系的多智能体系统， 研究其二分实用一致性问题， 提出了一种基于量化器的分布式控制协议. 该协议基于结构平衡拓扑假设， 通过规范变换将具有竞争关系系统转变为具有非负连接权重系统， 使二分实用一致性问题转变为一般实用一致性问题. 利用微分包含理论、菲利波夫解的框架、代数图论以及Lyapunov稳定性理论， 证明了在本文所提控制策略下， 具有竞争关系的多
针对室内弱纹理场景下，基于点特征的SLAM算法难以追踪足够多的有效特征点，导致系统定位精度和鲁棒性较差，甚至完全失效的问题，提出一种基于点线特征并融合IMU的双目视觉惯性SLAM算法。利用点线特征的互补优势来提高数据关联的准确性，同时引入IMU数据为视觉定位算法提供先验和尺度信息，通过联合最小化多残差函数得到更准确的相机位姿，并据此构建环境点线特征地图、稠密地图和导航地图。针对传统线特征提取算法在
成功地检测隐匿虚假数据入侵（False Data Injection, FDI）攻击是确保电力系统安全运行的关键.然而,大多数工作通过建立FDI攻击模型来模拟真实的入侵行为,所得到的模拟数据往往与真实数据存在一定的差异,导致基于机器学习的检测方法出现较差的学习效果.为此,针对源域中模拟样本数据量大而目标域中真实样本标记少的特点,提出了基于深度信念网络(DBN)和迁移学习的检测算法, DBN中的受限
无人机已经被广泛应用到各个领域，目标检测成为无人机视觉领域关键技术之一。针对无人机图像中场景复杂、尺度多变、小目标丰富等问题，提出了一种基于多尺度深度学习的自适应航拍目标检测算法。首先，构建自适应特征提取网络MSDarkNet-53，引入多尺度卷积方式，采用不同类型卷积核对不同尺寸目标进行运算，有效扩大感受野。其次，结合注意力机制的优点设计卷积模块，自适应优化特征权重，增强有效特征，抑制无效特征，
分部件建模获得的装配体其部件和部件之间的共享区域在不同部件中存在多份表征，直接在该模型的原始边界表征上生成网格，重叠区域的网格在几何和拓扑上都不兼容，不能用作数值模拟分析。针对错位装配体中的重复表征问题，应用连续-离散混合曲面造型方法，提出了适用于装配体模型的自动曲面嵌入算法，该算法在离散层面上通过线段-三角形相交计算边界相交图，并通过拓扑操作移除三角形相交问题，完成离散曲面的嵌入；而后根据边界相
针对目标检测中小目标物体漏检率及误检率高等问题，提出了一种基于Yolov3-Tiny算法的改进模型。首先，改进k-means聚类方法，增加3×3和1×1的卷积池化层，将第九层卷积输出上采样，并与第八层卷积得到的特征图进行连接，得到新的输出：52×52，形成新的特征金字塔。接着，基于卡尔曼滤波算法实现目标跟踪。并提出融合跟踪算法的检测网络。使用匈牙利算法对检测边缘框与跟踪边缘框进行最优匹配，利用跟踪
为了解决激光超声检测过程中表面缺陷深度定量识别困难的问题，提出了一种粒子群（PSO）优化BP神经网络表面矩形缺陷深度定量识别方法。基于热弹机制，利用有限元软件COMSOL建立了激光超声检测含有表面缺陷铝材料的有限元模型，得到了脉冲激光照射下不同深度缺陷对应的透射波信号，提取透射波信号的时域峰值、中心频率、频域上3dB带宽以及上限截止频率和下限截止频率等多个变量作为神经网络的特征向量，建立了PSO-