图像识别中的兴趣点匹配方法研究

针对图像检索识别的需求,提出了一种基于兴趣点的匹配算法,利用小波变换对图像进行降维和去噪,提取其SIFT点特征,同时进行PCA降维,最后采用基于K-d树的最近邻法进行快速匹配。通过对各种图像大量的实验,结果表明,该方法具有很强的匹配性和鲁棒性,是一种较好的图像匹配算法,可以广泛应用于图像的检索和识别中。     

改进的快速独立分量分析算法

介绍了独立分量分析的基本理论和算法,在快速分离算法基础上提出了一种基于改进的牛顿迭代法的独立分量分析算法。仿真结果表明,改进的算法在分离效果相当的情况下,减少了迭代次数,提高了收敛速度,用于实时处理和解决高维问题有显著的优越性。     

基于独立分量分析的电力线通信的研究

针对电力线通信信道的特点,提出了将ICA算法应用于电力线通信系统的方案,并根据电力线的传输特性,构建了系统模型。实验和仿真表明该系统模型能有效地从传输信号中提取弱信号,并进行正确的解码,从而增加了传输距离,而且此系统约束条件少,具有很强的通用性。     

基于光滑自助法的风功率预测误差核密度建模方法

在风功率预测误差建模应用中,无偏交叉验证(UCV)和经验法则(ROT)是两种常用的非参数方法。然而,由于风功率预测误差中存在的尖峰厚尾,以及局部小样本特征,直接使用这两种方法会产生较大的泛化误差。为了使UCV和ROT在应用中发挥更好的作用,文章提出了一种基于光滑自助法的核密度估计方法。该方法利用了光滑自助法在分位数推断上的优势,通过修改平均积分平方误差(MISE)指标函数,实现了对基本估计方法的校正。该方法本质上是一种装袋方法,可以与任何基本的核密度方法结合使用。在实例仿真中,得到了SBUCV方法和SBROT方法的运行结果,并与UCV和ROT方法的结果进行了对比。仿真结果表明了该方法的有效性。     

基于时序特征和参数估计的变压器故障诊断方法

油中溶解气体分析(DGA)是对变压器进行故障诊断最方便、最有效的方法之一,其中静态分析方法取得了较多的研究成果。实际中故障信息的出现具有时序特征,趋势信息可以反映故障的状态及发展,将基于时序特征的动态分析方法与传统的静态分析方法相结合,可以对故障发展及危害进行更为全面准确的描述。提出了基于时序特征和参数估计诊断变压器故障的方法,采用最小二乘参数估计算法识别特征气体的变化趋势,采用滑动窗口方法实现在线分析,利用递推最小二乘估计算法减小运算复杂度。以实际变压器油中气体测量数据进行实验,结合静态三比值和灰色关联度分析方法,对变压器进行故障诊断,实验结果证明了方法的有效性。     

变电站电气设备双通道图像在线监测方法

为了实现对电气设备的远程、实时、在线的红外温度图像和可见光图像监测,设计并实现了双通道系统。给出了以红外传感器和可见光电荷耦合器件(CCD)为核心器件的系统总体方案,描述了变电站端监测系统的具体硬件组成和工作原理,采用面向对象的思想和模块化程序设计开发了系统的服务器端软件及客户端软件,研究了基于傅里叶变换的红外与可见光图像的自动匹配方法及工程上易实现的手动匹配方法。该系统实现了对电气设备的双通道图像的远程、实时、在线监测,可及时发现设备外部问题以及过热、环境问题。现场运行表明,该系统稳定可靠、效果良好。     

自监督E-Swin的输电线路金具检测

目的 输电线路金具种类繁多、用处多样，与导线和杆塔安全密切相关。评估金具运行状态并实现故障诊断，需对输电线路金具目标进行精确定位和识别，然而随着无人机巡检采集的数据逐渐增多，将全部数据进行人工标注愈发困难。针对无标注数据无法有效利用的问题，提出一种基于自监督E-Swin Transformer （efficient shifted windows Transformer）的输电线路金具检测模型，充分利用无标注数据提高检测精度。方法 首先，为了减少自注意力的计算量、提高模型计算效率，对Swin Transformer自注意力计算进行优化，提出一种高效的主干网络E-Swin。然后，为了利用无标注金具数据加强特征提取效果，针对E-Swin设计轻量化的自监督方法，并进行预训练。最后，为了提高检测定位精度，采用一种添加额外分支的检测头，并结合预训练之后的主干网络构建检测模型，利用少量有标注的数据进行微调训练，得到最终检测结果。结果 实验结果表明，在输电线路金具数据集上，本文模型的各目标平均检测精确度（AP⁵⁰）为88.6%，相比传统检测模型提高了10%左右。结论 本文改进主干网络的自注意力计算，并采用自监督学习，使模型高效提取特征，实现无标注数据的有效利用，构建的金具检测模型为解决输电线路金具检测的数据利用问题提供了新思路。