基于改进D-S的水电机组集成故障诊断研究

针对常规水电机组振动故障诊断技术中易出现错判及诊断可靠性低等问题,提出了一种基于改进D-S证据理论的集成故障诊断方法。根据水电机组振动故障的频域信号,由模拟退火粒子群混合算法来处理证据理论的基本概率分配问题。再利用改进D-S理论来实现可信度分配的合理赋值,最后进行多信息的融合决策。实例表明,该方法可以在原始证据出现高度冲突以及相一致的情况下,都具有较高的诊断可信度,从而实现了对水电机组振动故障模式的有效识别。     

D-S证据理论在信息融合中的应用研究

本文主要通过分析了D-S信息融合的一般过程、基本概率赋值的获取方法、以及D-S信息融合算法在MATLAB上的仿真与分析,论证了以D-S证据理论为核心的多传感器信息融合算法能够有效地对多个传感器采集的信息进行融合,使不同类型的传感器发挥各自的特点,实现优势互补,提高系统对目标属性判决的准确性。     

基于模糊综合评估模型与信息融合的电力变压器 状态评估方法

针对电力变压器状态评估中存在多特征指标和多故障类型问题,提出一种基于模糊综合评估模型和皮尔逊相关系数的改进D-S证据理论的变压器状态评估方法。建立了变压器状态评估体系,引入层次分析方法和改进的三角梯形隶属函数确定特征指标的基本概率。基于皮尔逊相关系数的改进D-S证据理论融合不同特征指标以评判变压器综合状态评估。经过实例分析,该方法的评价结果与变压器实际运行状态一致,其准确率达到95.83%,验证了该方法的合理性和可行性。该方法对变压器状态评估具有一定的参考价值。     

基于QPSO-BP和改进D-S的水电机组振动故障诊断

为提高水电机组振动故障诊断的准确性,提出了一种基于改进D-S证据理论融合量子粒子群优化BP神经网络(QPSO-BP)的诊断方法。根据水电机组常见的振动故障类型,采用3个惯性权值随机调整的QPSO-BP网络分别对其进行初级诊断,并作为独立证据体应用于D-S理论的合成之中,实现了基本概率赋值的客观化。针对标准D-S无法合成高度冲突证据的缺陷,通过计算权值矩阵对其进行修正。实例分析表明,和3个初级诊断模型及标准D-S合成法相比,所提方法可以有效识别机组的振动故障,具有较高的诊断准确率。     

D-S 理论多分类器融合的光学遥感图像多目标识别

光学遥感图像的多目标检测与识别一直是图像处理与分析领域的热点研究问题。针对多特征单一分类器决策级融合不能很好的利用特征与分类器的适应性,导致识别的准确率很难进一步提高的问题,提出了基于D-S证据理论的多特征多分类器决策级融合策略。首先提取了两种简单且具有平移、缩放不变性的特征;其次分别引入3种适应性较好的分类器进行分类;最后设计了两级的D-S证据理论的融合方案,并且在置信度函数计算的过程中引入表征分类器性能的混淆矩阵。该算法有效地解决了分类器输出的不确定性问题,进一步提高了光学遥感图像多目标分类识别的准确性。测试表明,对4种目标的识别率达到97.22%,验证了算法的有效性。     

基于改进的D-S证据理论的旋转整流器故障诊断研究

D-S融合规则是证据理论的重要部分,广泛应用于多信息融合算法中。由于该组合规则本身存在一些不足之处,应用到旋转整流器的故障诊断中,效果不理想。建立了发电机的系统模型,利用小波能量法提取故障特征,并提出了一种改进融合算法——冲突证据融合规则,其有效克服了D-S融合规则的不足,对一组实测故障数据的融合诊断表明,能够对故障做出准确判断。     

基于皮尔逊系数和不确定测度的冲突证据组合方法

D-S 证据理论在合成冲突较大的证据时会产生直觉相悖问题,现有的修正证据源的改进方法大多只从单一角度做出改 进,不能全面反映冲突信息特征。 针对此问题,提出了一种基于皮尔逊相关系数和不确定性测度的证据组合方法。 首先,利用 皮尔逊相关系数衡量证据之间的相关性,定义证据的可信度。 其次,引入基于区间概率的不确定度对可信度进行修正,得到权 重。 最后,使用该权重对原始证据进行加权平均,使用 Dempster 组合规则进行合成。 与经典改进方法相比,该方法能有效处理 冲突证据的融合问题,指认正确命题的准确率达到 0. 992 0。 与已有皮尔逊系数改进方法相比该方法更具有合理性,且有较高 的准确度。     

基于灰色聚类与证据合成的变压器状态评估

针对变压器状态信息的不确定性,建立了变压器层次化状态评估模型,组建了变压器的状态指标体系,综合指标的主、客观权重设计了其最优权重。运用灰色聚类方法对单项指标作聚类分析以得到综合指标所处状态,改进了D-S证据理论中的冲突证据合成规则,将聚类系数作为基本概率赋值函数以评价变压器的整体状态。实例分析结果显示,文中建立的评估模型具有较高的识别准确率,可以有效地把握变压器的运行状态并为变压器实行状态检修提供良好的指导作用。     

一种基于目标识别的证据理论改进方法的研究

随着现代战场环境的复杂变化,如何快速准确地对目标进行识别显得尤为重要,而环境的复杂多变可能会产生高度冲突的信息证据。针对高度冲突证据的合成问题,分析了D-S合成方法,引入了一种新的改进方法,在保持D-S合成公式不变的情况下,对证据模型即证据源进行修正,通过算法寻找产生冲突的证据,并进行修正,通过算法仿真,验证了该算法的有效性及合理性。     

一种最优冲突证据组合方法

Dempster-Shafer证据理论广泛应用于信息融合中,但是在证据高度冲突情况下基于经典D-S组合规则的融合结果存在问题.针对这一问题,提出了一种最优的证据组合方法.新方法首先引入了一个加权证据间距离函数,提出了一个全局距离的概念,依据全局距离最小的最优化准则求出各证据的权重,之后对系统中的证据加权平均,最后再利用D-S组合规则实现信息融合.目标识别算例仿真的结果表明,该方法性能优于现有的加权组合方法,在处理冲突数据时能够有效快速地识别出目标.     

基于权重修正D-S理论多判据融合的含新能源低压配网中性线断线判别方法

中性线断线故障的识别与定位对低压配电网的故障诊断有重要作用。但传统基于电流或电压故障特征量的断线检测方法会因负载的波动和其不平衡度的大小而导致漏判误判,并且随着大规模分布式新能源的接入,故障特征随着低压配电网拓扑结构的改变而改变,传统故障识别判据不再精确有效。为此,在考虑新能源接入的情况下提出了一种基于权重修正D-S理论多判据融合的中性线断线检测方法。根据中性线断线故障特性的分析结果,分别对基于中性线电流和三次谐波电流变化的电流故障特征判据以及基于中性点偏移电压的电压故障特征判据进行改进,修正新能源接入对多种判据带来的影响。最后基于动态临近历史数据的判断结果,采用权重修正D-S 证据理论将改进电流、电压多个判据信息进行融合,形成中性线断线故障综合判据。该方法能够提高对不同场景的适应度,并解决传统检测带来的误判问题。仿真结果验证了该方案的有效性。     

基于多元线路特征因素融合的电压暂降严重程度评估

现有电压暂降严重程度评估方法未充分考虑多元线路特征因素对输电线路故障概率的影响,从而导致评估结果出现较大误差。由此,本文提出了基于多元线路特征因素融合的电压暂降严重程度评估方法。首先,基于线路历史故障数据,采用关联规则量化多元线路特征因素对线路故障的影响程度。然后,通过改进D-S证据理论融合多元线路特征因素建立准确的线路年故障概率模型;并采用基于最大熵模型的故障点法评估节点的电压暂降水平。最后,提出了一种同时考虑系统侧电压暂降严重程度和用户敏感设备耐受特性的综合电压暂降严重程度指标用于评估节点电压暂降严重程度。通过与某区域电网实际电能质量监测数据对比,本文所提方法的准确率可达到90%以上。同时通过与未充分考虑线路特征因素的评估案例对比,所提方法的准确率明显提高。因此,在进行电压暂降严重程度评估时,综合考虑线路特征因素可以有效的提高评估结果的准确率。     

Research on Fall Detection Based on Improved Human Posture Estimation Algorithm

According to recent research statistics, approximately 30% of people who experienced falls are over the age of 65. Therefore, it is meaningful research to detect it in time and take appropriate measures when falling behavior occurs. In this paper, a fall detection model based on improved human posture estimation algorithm is proposed. The improved human posture estimation algorithm is implemented on the basis of Openpose. An improved strategy based on depthwise separable convolution combined with HDC structure is proposed. The depthwise separable convolution is used to replace the convolution neural network structure, which makes the network lightweight and reduces the re-dundant layer in the network. At the same time, in order to ensure that the image features are not lost and ensure the accuracy of detecting human joint points, HDC structure is introduced. Experiments show that the improved algorithm with HDC structure has higher accuracy in joint point detection. Then, human posture estimation is applied to fall detection research, and fall event modeling is carried out through fall feature extraction. The designed convolution neural network model is used to classify and distinguish falls. The experimental results show that our method achieves 98.53%, 97.71% and 97.20% accuracy on three public fall detection data sets. Compared with the experimental results of other methods on the same data set, the model designed in this paper has a certain improvement in system accuracy. The sensitivity is also improved, which will reduce the error detection probability of the system. In addition, this paper also verifies the real-time performance of the model. Even if researchers are experimenting with low-level hardware, it can ensure a certain detection speed without too much delay.     

基于单阶段目标检测算法的变电设备红外图像目标识别及定位

针对红外图像中变电设备的识别和定位问题,提出了一种基于改进YOLOv3算法的变电设备检测方法.在现场采集的变电设备红外图像集的基础上,首先使用基于Retinex的图像增强算法以及阈值分割等图像处理方法对图像集进行预处理;然后基于变电设备红外图像对YOLOv3算法进行参数优化,并通过迁移学习的策略对改进YOLOv3网络进行训练以解决图像集样本数量较少的问题.实验结果表明,在样本数量较少的情况下,所提方法可以达到满意的检测准确率,并能快速地实现变电设备的识别和定位.     

基于改进证据理论融合的站域后备保护算法

针对站域后备保护(SABP)信息同步性要求高和容错性低等问题,提出了一种基于改进证据理论融合的SABP算法。首先,SABP装置根据全站各线路两端传统主/后备保护和方向元件动作情况识别疑似故障线路,并由各疑似故障线路两端保护信息构成证据融合信息域。然后,搜集证据融合信息域内的主/后备保护和方向元件动作信息,经预处理后形成证据组并计算各证据的基本概率赋值,利用改进证据理论对证据信息进行融合判断来实现故障线路的识别。算例仿真表明,该SABP算法具有无需信息同步、站域信息交互的通信量小和信息容错性高等特点,能有效改善SABP性能。     

基于区域多信息融合的广域后备保护算法

针对广域保护通信流量大、容错性低等问题,提出了一种基于区域多信息融合的广域后备保护算法。首先,对保护系统进行区域划分,并根据故障电流的分布特性进行故障区域搜索,以减少广域保护的通信流量。其次,对故障区域内的保护动作信息进行归一化处理,并计算线路故障证据的基本概率赋值。最后,采用改进的D-S证据理论进行证据融合,进而识别故障线路。基于PSCAD搭建IEEE 39节点系统进行仿真验证,结果表明该算法能有效识别各类型故障,具有广域通信量小,信息容错性高等良好性能。