【摘 要】
：
串联故障电弧具有隐蔽性强、短时释放热量大等特点,过流型断路器难以及时发现或采取动作,极易引发电气火灾,造成重大损失和人员伤亡,因此实现建筑内串联故障电弧的快速可靠识别与监测具有重大意义;按照线路负载类型对电气线路高频电气参数运行数据进行分析,利用结合串联电弧故障特征的互补集合经验模态分解(CEEMD,complementary ensemble empir-ical mode decomposition)方法,实现对电气线路串联电弧故障的识别;经实验验证,并与灰度梯度共生矩阵与支持向量机(GL-GCO-S
【机 构】
：
山东建筑大学信息与电气工程学院,济南 250101;山东建筑大学信息与电气工程学院,济南 250101;山东省智能建筑技术重点实验室,济南250101
论文部分内容阅读
串联故障电弧具有隐蔽性强、短时释放热量大等特点,过流型断路器难以及时发现或采取动作,极易引发电气火灾,造成重大损失和人员伤亡,因此实现建筑内串联故障电弧的快速可靠识别与监测具有重大意义;按照线路负载类型对电气线路高频电气参数运行数据进行分析,利用结合串联电弧故障特征的互补集合经验模态分解(CEEMD,complementary ensemble empir-ical mode decomposition)方法,实现对电气线路串联电弧故障的识别;经实验验证,并与灰度梯度共生矩阵与支持向量机(GL-GCO-SVM)、时域可视卷积神经网络(TDV-CNN)等方法识别结果进行对比效果更好,识别准确率达到94.8％及以上.
其他文献
图像描述生成是图像人工智能领域的重要研究方向之一.现有方法大多仅使用单一图像特征,导致无法完全描述图像中多个目标或者无法准确表达目标间的关系.提出方法通过场景特征解码模块和目标显著性特征解码模块分别对图像场景特征和目标显著性特征进行解码,并将解码后的两种特征进行融合,实现图像目标属性与目标间关系的信息互补.在MSCOCO数据集上进行实验,结果相较于基准方法有一定的提升,表明该模型对图像内容的描述更加准确和完善,对图像信息表达更加丰富.
为有效地表征人体行为的时空特征,将骨骼特征通过Hough变换后建立人体的动作表示.具体来说,采用OpenPose获取视频帧人体骨骼关键点,之后构建骨骼关节并映射到Hough空间,将骨骼关节轨迹转换为点迹,然后角度和轨迹特征的FV(Fisher vector)编码融合作为线性SVM分类器的输入.在经典公共数据集KTH、Weizmann、KARD和Drone-Action上,实验结果表明Hough变换提升了特征的鲁棒性,提高了人体行为识别的性能.
针对遥感影像中道路信息容易受到建筑物、植被等非道路信息干扰的问题,提出了一种基于门控卷积残差网络的遥感影像道路提取模型.首先,该网络使用ResNet101作为网络的编码器,在使得网络足够深的同时,也保证了梯度信息的有效传导;其次,在中心部分使用ASPP多尺度特征提取模块,进一步挖掘特征图中给予的信息;最后,使用门控卷积替换普通的卷积层,它可以根据特征图中参数的重要性,自适应分配权重,作为网络的解码器部分.该方法在CVPR DeepGlobe 2018道路提取挑战赛的数据集上进行了验证,平均交并比、Dice
基于深度网络的单帧图像超分辨(SISR)方法为目前SR研究热点,但是多数该类方法在特征提取时主要侧重在网络深度结构的探索,忽略了中间空间特征层之间的相似性,并且在重构时忽略了特征层之间的特征差异性.针对上述问题,提出了基于空间特征变换与反投影重构的渐进式网络.该方法的主要特征是,在图像特征提取时对特征空间进行特征仿射变换,从而获得渐进式特征和空间变换特征,增加特征层间的不同相似性.在图像重构阶段,重构模块采用多尺度反投影的策略融合了图像多源特征,从而使得其模块更加注重特征之间的差异性.实验结果表明,相比大
现有度量学习方法中基于元组的损失训练速度慢、基于代理的损失未考虑数据间细粒度的语义关系.针对这些问题,结合两者的优势提出了一种面向细粒度图像的数据关联代理损失(data relation proxy loss,DRPLoss)函数.采用具有批量归一化(BN)层的inception网络作为嵌入网络,在度量空间中利用梯度相互交互学习数据间的相关关系,并使用温度缩放调节DRPLoss对嵌入向量进行监督训练.在CUB-200-2011和Car-196数据集上验证了不同嵌入维度的DRPLoss的有效性,recall
针对目前卷积神经网络提取图像特征不充分导致的显著性提取效果不明显的问题,提出了一种多层卷积特征融合的自编码显著性区域提取算法.在使用卷积网络提取图像特征时,其浅层卷积特征一般提取的是图像的细节特征如颜色、纹理和位置特征,深层次卷积特征一般是图像的语义特征,在编码层将浅层卷积特征经过下采样融合到深层次的卷积特征中,并将深层次卷积特征进行上采样融合到浅层卷积特征中,实验表明这样可以大大提高编码质量;在解码中将编码时的卷积特征也进行融合,可以获取到解码丢失的信息进而得到更优的解码图像.此外还设计了逐层监督的方式
爆炸场振动测试中节点分布范围广、数量多,对各测试节点的状态监控及全局管理难以有效实现,传统测试方案中节点部署后难以快速更改状态;针对上述问题,依据模块化、标准化和稳定性原则,设计了一种基于无线技术的振动监测系统;给出了爆炸场振动监测系统的基本功能单元,包括数据采集设备、无线组网设备;数据采集设备具有高精度采集、数据存储、高精度同步、定位定姿等功能;利用无线网桥技术构建了覆盖广域范围的无线网络,支持IEEE802.11 n/ac协议,实现了对远程分布式测试节点的集中管理、状态监控、数据传输,也可对指定测试节
为提高金属微铣削过程中刀具磨损状态在线监测系统的预测效率与精度,提出一种基于线性判别分析与改进型BP神经网络模型识别刀具磨损的方法;该方法通过传感器与数据采集系统采集微铣削过程振动信号,提取其时域和频域特征并通过线性判别方法进行降维约简;将降维后的特征输入经灰狼优化改进的BP神经网络模型,从而实现微铣刀磨损状态特征的分类;结果表明,提出的微铣刀在线监测方法能够准确识别微铣刀的各种磨损状态;此外,和其它分类算法相比,提出的基于灰狼优化算法的BP神经网络模型在分类精度和计算效率方面具有综合优势;这对实际生产过
航天测量船S频段测控系统采用双通道单脉冲跟踪体制,其跟踪接收机必须经过校相保持和、差通道相位一致性才能确保跟踪性能;测量船传统校相方法是码头对塔校相与海上微波自检的方式,但已无法满足卫星工作频点不断增多的需要,因此提出一种全新的全频段校相方法;首先阐述了双通道单脉冲体制的跟踪原理、校相原因,解析了和、差通道相位差的组成及近场效应对塔校相的影响;通过分析不同和、差通道物理长度差条件下相位差与频率的变化关系,并确定和、差通道固定波程差的计算方法;基于码头对塔校相数据的分析计算,得出整个工作频段的相位计算公式,
针对航空蜂窝板复合材料外部蒙皮破损导致内部产生泥沙、积水以及裂纹等影响飞行安全的问题,提出采用电容层析成像技术(ECT,electrical capacitance tomography)进行蜂窝板复合材料缺陷检测;针对平面ECT成像精度低的问题,通过构建多尺度融合策略、残差编码解码融合模块,引入一种新的池化模块(Soft-pool)等形成多尺度残差编码解码路径的深层神经网络(Ms RED,multi scale residual encoding and decoding paths),使最终的结果完全