基于智能传感器的新型巡检机器人应用研究

目前,机器人巡检技术的智能化程度很高,能够解决变电站巡检任务的艰巨性、重复性和高风险所带来的大部分问题。但是,由于作业现场的复杂环境及天气变化、巡检对象的多样性等原因,要求变电站巡检机器人的作业能力和作业范围覆盖变电站巡检任务的所有方面是不现实的。因此,本文主要研究了用于检测变电站设备状态以及弥补变电站巡检机器人作业范围不足的新型智能传感器,并将变电站巡检机器人、现有变电站状态检测系统和新型智能传感器进行协同和信息融合,构建了变电站智能化人工智能巡检体系。     

FrFT-Bark域特征提取与CNN残差收缩网络心音分类算法

为充分挖掘心音信号的生理、病理信息，提高心音自动分类的准确率，提出一种不依赖于分割和去噪的心音自动分类新算法.首先提取心音信号Bark域分数傅里叶变换的时频特征，然后将深度残差收缩网络引入卷积神经网络中构建新的分类模型，该模型能够自动去除与当前任务无关的特征信息，提高模型预测的准确率及稳定性.研究所用心音样本5 000例，其中1 000例用于测试.实验结果表明，提出算法的准确率、灵敏度、特异度分别为0.925、0.902、0.948,F1值为0.923.该方法整体性能较以往方法有明显提升，具有较强的鲁棒性和泛化能力，有望应用于先心病的临床筛查.