基于放电声音识别的高压电器绝缘监测研究

为了监测开关设备耐压试验过程绝缘状态情况,提取试验过程中异常声音信号的语谱图,导人卷积神经网络识别有无放电信号,并基于得到的准确率优化网络模型.使用卷积神经网络能自动提取输入图像特征,建立相应的识别判据,并且能较大提高识别准确率.试验结果表明,卷积神经网络能较好地完成识别任务,平均识别准确率能达到94％以上.     

基于忆阻器卷积神经网络的表情识别

忆阻器具有纳米级尺寸、低功耗、类似神经突触等优点,在神经计算、图像分类等领域具有广阔的应用前景。本文提出了一种基于忆阻器卷积神经网络的面部表情识别方法,首先基于忆阻器构建了ResNet卷积神经网络,并对ResNet网络进行剪枝操作,然后将ResNet模型的所有卷积层以及全连接层的权重映射为忆阻器十字交叉阵列中忆阻器的忆导值。实验结果显示忆阻器卷积神经网络模型在FER2013数据集上的识别准确率为63.82%,在CK+数据集上的识别准确率为93.95%。相比与原卷积网路,准确率损失仅分别为0.31%和0.76%。最后测试了忆阻器的非理想特性对准确率的影响,为忆阻器神经网络的实际部署提供参考。     

基于轻量级卷积神经网络的GIS绝缘和机械故障诊断方法北大核心CSCD

绝缘和机械故障是气体绝缘金属封闭开关设备(gas insulated metal-enclosed switchgear,GIS)中占比最大的故障类型,准确的故障诊断和状态评价对保证电力系统安全稳定运行具有重要意义。深度学习方法已成为故障诊断领域的主流,但传统卷积神经网络需要强大的计算资源,在计算能力一般的智能终端设备中难以应用。为此,文中提出了基于轻量级卷积神经网络的GIS绝缘和机械故障诊断方法。首先,采用空间可分离卷积代替传统卷积构造EffNet轻量级卷积神经网络,大幅度降低了模型的计算量;其次,采用迁移学习策略进行模型训练,在提升网络识别准确率的同时加快了模型的收敛速度,解决了现场数据不足的问题;最后,通过t分布随机邻近嵌入对卷积神经网络特征进行可视化,进一步验证了模型的性能。研究结果表明,具有5个EffNet卷积块的轻量级卷积神经网络模型在绝缘和机械故障诊断中的准确率分别达到94.7%和98.7%,并显著降低了参数量、存储空间和计算开销等,适用于GIS智能组件和检测仪器,是电力物联网下嵌入式系统和移动终端的最佳选择。     

一种改进池化模型对卷积神经网络性能影响的研究

池化模型作为卷积神经网络模型中至关重要的一部分,具有降维、提高模型泛化能力等作用。为了进一步提高卷积神经网络模型的准确率,优化模型的学习性能,提出了一种基于最大池化和平均池化的改进池化模型,并在全球手写数字数据集MNIST和CIFAR-10上分别对改进池化模型的有效性进行了验证。通过与常见池化模型的对比实验发现,采用改进池化模型的卷积神经网络的学习性能较优,一次迭代情况下,在MNIST和CIFAR-10数据集上,错误率分别下降了4.28%和2.15%。     

基于时间卷积网络的模拟电路故障诊断方法

对模拟电路故障诊断中的故障特征提取进行了研究,引入了卷积神经网络模型,提出了一种基于时间卷积神经网络的模拟电路故障诊断方法,在四阶Butterworth低通滤波器电路上分别对不同深度的时间卷积网络进行分类对比实验,实验结果证实了深度时间卷积网络在故障特征提取中的有效性。同时设计实验对比了时间卷积神经网络、SAE-SOFTMAX、深度信念网络和长短期记忆网络的特征提取能力,结果表明,时间卷积神经网络模型在模拟电路故障诊断中能够提取出更能反映数据本质的特征,取得更好的诊断准确率。     

基于深层卷积神经网络电动飞机主驱动电机故障诊断方法

为解决电动飞机主驱动电机故障诊断方法因电机结构复杂、信号非平稳与机械大数据等因素引起的诊断困难问题,提出了基于深层卷积神经网络的电动飞机主驱动电机故障诊断新方法。首先研究了SoftMax分类器判断故障类型问题。其次研究了卷积神经网络结构中激活函数对模型诊断结果准确率的影响,利用残差模块提高了深度卷积神经网络模型的准确率。Python仿真表明:在同等条件下卷积神经网络电动飞机主驱动电机故障诊断的准确率和运行时间都优于SDAE、ASPNN。     

基于TensorFlow的高压输电线路异物识别

针对传统异物识别准确率较低的问题,提出一种基于TensorFlow的深度卷积神经网络的异物识别模型。将巡检图像进行图像灰度化和尺寸压缩等预处理,并采用三维块匹配滤波(BM3D)算法进行图像去噪得到实验所需的训练数据。提出基于TensorFlow的深度卷积神经网络框架,通过使用框架中的TensorBoard模块设计深度卷积神经网络模型结构与优选模型参数,并针对ReLU激活函数与特征权重进行理论分析。实验结果表明,经过15次迭代训练后,深度卷积神经网络比传统的支持向量机(SVM)、极限学习机(ELM)和BP神经网络算法具有更强的巡检图像识别能力;与经典的LeNet-5和VGGNet模型以及相关文献中的模型相比,所提模型更具有优越性。     

基于卷积神经网络的非侵入负荷辨识算法EI北大核心CSCD

非侵入式负荷监测因其实施成本低且对用户干扰小,具有广泛的应用前景。负荷辨识方法是非侵入式复合监测的主要技术难点之一。研究了非侵入式负荷监测模式下基于卷积神经网络的非侵入负荷辨识算法。首先利用局部平均分解算法对采集到的混合信号进行负荷分离,并通过智能学习的方法提取独立负荷特征,建立了能够处理二维图像数据的卷积神经网络模型,将大量典型家电的运行电流数据转换成图片的形式,对卷积神经网络模型进行训练,并基于该模型进行负荷特征提取,从而达到辨识的目的。经过实际采集的用电数据进行仿真实验,结果表明,基于卷积神经网络的负荷辨识准确率高、识别速度快,模型具有良好的泛化能力,能够有效的实现负荷辨识。     

基于多时间尺度卷积神经网络的煤改电用户负荷识别方法研究

为提高煤改电用户负荷识别准确率,该文提出了一种基于多时间尺度卷积神经网络的煤改电用户负荷识别模型。首先,利用粗粒度过程得到原始负荷数据的多尺度表示;然后将多尺度负荷样本输入MT-CNN模型进行训练,并行获取丰富且互补的负荷特征信息;最后以京津冀地区不同类型用户负荷样本进行实验分析,识别准确率达到99.64%,相比使用传统卷积神经网络模型和机器学习算法时的准确率显著提高,且具有良好的鲁棒性和泛化性。     

基于卷积神经网络的非侵入负荷辨识算法

非侵入式负荷监测因其实施成本低且对用户干扰小,具有广泛的应用前景。负荷辨识方法是非侵入式复合监测的主要技术难点之一。研究了非侵入式负荷监测模式下基于卷积神经网络的非侵入负荷辨识算法。首先利用局部平均分解算法对采集到的混合信号进行负荷分离,并通过智能学习的方法提取独立负荷特征,建立了能够处理二维图像数据的卷积神经网络模型,将大量典型家电的运行电流数据转换成图片的形式,对卷积神经网络模型进行训练,并基于该模型进行负荷特征提取,从而达到辨识的目的。经过实际采集的用电数据进行仿真实验,结果表明,基于卷积神经网络的负荷辨识准确率高、识别速度快,模型具有良好的泛化能力,能够有效的实现负荷辨识。     

基于生命周期评价的不同电源对环境影响的比较

用生命周期评价方法对工业固体废弃物焚烧发电、生物质气化发电、风力发电、天然气燃气蒸汽联合循环发电等几种电源型式对环境的影响,进行了编目分析,计算了其污染物排放量,并且都与燃煤发电进行了比较。     

基于TMS320C6747的SVPWM实现方法研究

空间矢量脉宽调制(Space Vector Pulse Width Modulation)是逆变系统设计的是重要方法之一,本文详细介绍了SVPWM方法,探究了使用数字信号处理器TMS320C6747生成SVPWM波的方法和实现过程。对SVPWM实现的软件和硬件均进行了设计,并在此基础进行了实验,实验表明该逆变系统的具有良好的可行性、有效性和可靠性。     

基于串口通信的DSP在线烧写技术研究

为了解决DSP嵌入式系统某些特殊应用场合升级不方便、维护困难的问题,提出了一种基于串口通信向片内Flash在线烧写程序的方法.描述了该在线烧写方法的基本思想和实现步骤,并结合工程实际需要,优化了接收升级指令的时机,并在片内Flash设置应用程序备份区,进一步提高了烧写的可靠性和安全性,增强了系统的容错性和自愈恢复能力.实验结果表明,该方法有效可行,方便可靠,相比于传统基于JTAG烧写,可摆脱仿真器进行程序升级,提高了嵌入式系统的可维护性.     

基于DSP控制的并联型功率因数校正技术研究

传统的并联型有源滤波器(APF)需要检测负载电流,同时计算出其中的谐波及无功分量.该算法较复杂,计算延时大,易导致控制的实时性变差.采用直接电流控制的并联型功率因数校正(PFC),则不需要复杂的算法,它保留了传统APF双环控制的优点上,同时使控制变得简单.此处在分析并联型PFC原理的基础上,进行了仿真,基于DSP控制,...     

基于MEMS技术的汽车传感器研究进展

随着汽车传感器的迅速发展和对MEMS(微机电系统)技术研究的深入,基于MEMS技术的汽车传感器具有广阔的应用前景。本文就MEMS汽车传感器的研究应用现状、MEMS汽车传感器的分类、制作加工技术和工艺等进行了简述,并详细介绍了几种典型的MEMS汽车传感器,最后对MEMS汽车传感器今后的发展进行了探讨。     

基于CORBA实现OPC技术探索

OPC (过程控制中的对象链接与嵌入技术)是工业控制和生产自动化领域中硬件和软件之间的接口标准,近年来在电力系统广泛应用。它是一种基于DCOM(分布式组件对象模型)的技术。由于DCOM的平台相关性,不利于OPC技术的进一步应用。而代表分布对象技术主流的CORBA(通用对象请求代理体系结构)技术具有跨平台、语言无关等突出优点,本文尝试采用CORBA技术实现OPC技术。探讨了基于CORBA实现OPC技术的解决方案,通过具体的实现过程展示了方案的可行性,并通过测试用例和应用实例验证了方案的实用性和有效性。基于CORBA实现OPC技术,将大大提高OPC技术跨平台、跨语言应用的能力,使其成为一种更广泛适用的标准。     

电动汽车用电机技术研究

当今世界节能和环保备受关注,使得电动汽车技术正在加速发展。电机技术是发展电动汽车的关键技术之一。该文对电动汽车用的感应电动机、永磁同步电动机和开关磁阻电动机技术和发展水平进行了分析研究。     

基于微位移的超分辨重建技术研究

CCD图像传感器广泛用于图像采集,受其内部结构和外部条件的影响,采集到的图像质量不能满足人们的需求,通过硬件改进提高图像质量面临经济与技术两方面的难题。为此本文利用多幅微位移图像间的冗余信息重建出高分辨率图像,既低成本又易实现。针对CCD与目标物间有相对微位移来获取序列低分辨率图像的情况,采用一种解线性方程组的方法对采集到的4幅微位移图像进行重建,并对这种算法进行优化。实验结果图可清晰地看到重建图像可分辨更多线对,高频信息量增加,算法具有较好的效果。     

基于PMU的状态估计的研究

传统的状态估计是基于单相纯正弦模型的,但实际电力系统的三相并不是完全对称,这就导致了传统的状态估计存在着固有的误差.随着基于GPS同步相量测量单元(PMU)的应用和计算机技术的发展,该文提出了一种以PMU为基础的三相状态估计和谐波状态估计算法以消除这种固有误差.利用PMU的电压幅值测量值和相角测量值与SCADA原有的测量值构成的混和量测系统一起用于状态估计,从而提高网络的可观测性及状态估计的精度,来弥补传统状态估计的不足.所以这种算法可根本解决系统三相不平衡和状态向量非纯正弦带来的误差问题.最后讨论了对该算法的评估方法.     

基于CORBA实现OPC技术探索

OPC（过程控制中的对象链接与嵌入技术）是工业控制和生产自动化领域中硬件和软件之间的接口标准，近年来在电力系统广泛应用。它是一种基于DCOM（分布式组件对象模型）的技术。由于DCOM的平台相关性，不利于OPC技术的进一步应用。而代表分布对象技术主流的CORBA（通用对象请求代理体系结构）技术具有跨平台、语言无关等突出优点，本文尝试采用CORBA技术实现OPC技术。探讨了基于CORBA实现OPC技术的解决方案，通过具体的实现过程展示了方案的可行性，并通过测试用例和应用实例验证了方案的实用性和有效性。基于CORBA实现OPC技术，将大大提高OPC技术跨平台、跨语言应用的能力，使其成为一种更广泛适用的标准。