【摘 要】
：
由于变电站多处于露天环境,设备易受天气条件影响,造成锈蚀、老化等外部异常。这些异常威胁着变电站运行安全,有必要对变电站外部异常进行检测。在变电站异常检测过程中,变电站设备异常样本稀缺,基于目标检测等异常检测方法难以有效的训练模型适用于所有设备,且无法应对未知异常,鲁棒性较差。针对此问题,采用不同时间戳的设备图像进行特征对比,通过检测图像之间的特征距离来判定异常,使其可应用于所有设备。然而,将图像直
论文部分内容阅读
由于变电站多处于露天环境,设备易受天气条件影响,造成锈蚀、老化等外部异常。这些异常威胁着变电站运行安全,有必要对变电站外部异常进行检测。在变电站异常检测过程中,变电站设备异常样本稀缺,基于目标检测等异常检测方法难以有效的训练模型适用于所有设备,且无法应对未知异常,鲁棒性较差。针对此问题,采用不同时间戳的设备图像进行特征对比,通过检测图像之间的特征距离来判定异常,使其可应用于所有设备。然而,将图像直接进行比对存在诸多问题:（a）摄像头并非固定不动,虽然在采集同一设备图像时尽量调整至统一角度,但图像难免发生浮动,造成像素偏移,影响比对结果;（b）在面对光照、阴影变化的情况下,传统的欧式距离与余弦距离难以正确计算图像之间的特征距离,导致系统无法确定阈值;（c）当图像采集时间间隔较长时,部分背景会发生明显的变化,该变化直接影响计算结果,增大图像间的特征距离;（d）由于异常缺陷存在多种尺度的变化,简单的通过变化范围判断异常,容易对小尺度的异常漏检。针对以上问题,提出一种基于改进孪生神经网络的变电站设备外部异常检测方法,文章具体研究工作如下:（1）针对摄像头角度变化产生的像素偏移的问题,采用图像配准技术进行匹配,缓解由像素偏移带来的误差。（2）针对光影变化情况下,传统距离计算方法无法明确阈值的问题,以全连接层计算特征距离替代传统的欧式距离或余弦距离。非线性拟合特征信息,扩大正负样本之间的特征差距,明确阈值选择。（3）面对图像背景变化影响计算结果的问题,在网络结构中添加CBAM注意力模块,使网络特征提取部分能更好地聚焦在变电站设备上,且特征向量能更好地表征变电站设备的信息,减少背景环境变化对计算结果带来的干扰。（4）考虑不同尺度的异常情况下,容易对小尺度的异常漏检的问题,在网络中添加多尺度特征融合结构,检测不同尺寸的异常变化;并以特征图替代特征向量计算距离,保留图像空间信息,提高准确率。实验表明,所提出的TSCDNet+网络模型在不同阈值下均具有较好的鲁棒性,且通过特征相加计算距离的TSCDNet+模型以0.945的F1 score取得了最好的效果。算法以0.083s每张的检测速度明显优于人眼检测所需的4s,由于不依靠设备与异常的类别特征信息,该方法具有较好的普适性,能满足对未知异常的检测,且对未经训练的新设备依旧具有较好的检测效果。研究表明,该方法可以适用于变电站设备异常检测,对变电站各类型设备无差别异常检测方向奠定了一定的研究基础。最后,基于web程序设计并制作了变电站设备异常检测平台,包含用户管理、例行巡检、异常图库等功能,让使用者可以直观、便捷的操作并展示检测结果。
其他文献
机器人应用在人们生产生活的各个领域,代替人进行一些复杂和危险的任务。因此,机器人的位置跟踪控制需要较高的精度。但是,由于机器人系统是一个非线性、强耦合的系统,受到各种不确定性的影响,如未建模动力学、测量噪声、负载变化、外部干扰、非线性摩擦、输入死区等。因此,需要一种结构简单同时又能确保跟踪性能良好的控制方法来控制机器人。时延控制以其结构简单、不依赖于系统模型的优点可以估计复杂未知动力学及难处理的非
叠加信道估计方法由于具有高的频谱效率,得到了世界范围内专家学者的广泛关注。然而,训练序列与数据序列的叠加不可避免地引起叠加干扰,大大降低信道估计与数据检测的准确性。为消除叠加干扰,数据依赖叠加训练（Data-Dependent Superimposed Training,DDST）和数据空叠加导引（Data-NullingSuperimposed Pilot,DNSP）方法相继被提出,这些叠加方法
自然图像的识别和处理在视觉语义分析领域有十分重要的意义,目标检测是自然图像识别和处理最关键的技术之一。现有自然图像目标检测方法主要建立在深度学习算法基础上,围绕更快、更新的深度模型训练展开研究。但是以效率网络为代表的现阶段深度学习检测模型在拓展模型深度和精度的同时,忽视了对模型结构和参数的优化,且未对不同检测对象的特点展开分析,存在检测不规则目标时精度低的问题。因此,有必要对现有效率网络检测自然图
氢气作为一种清洁、高效且储量丰富的新型能源,因其可以解决化石燃料储量告急、气候变化和环境污染等问题受到了人们的广泛研究。截止目前,氢能广泛地使用在航空航天、汽车交通、化工生产等领域。氢气具有低的密度（0.0899 kg/m~3）和沸点（20.4 K）,与空气混合时容易发生爆炸,其爆炸浓度范围为4～75 vt.%,并且扩散速率非常快。在开发使用氢气的过程中,必须对其浓度进行实时监测,以确保生产、储存
随着现代无线电通信技术的发展与应用、无线电信号特征与电磁环境变得更加复杂,这给调制识别技术带来了许多新的技术难题。深度学习在语音、图像等领域展现了优异的特征提取能力,并且有很强的泛化能力和鲁棒性。将深度学习强大的特征提取能力应用到通信信号的调制识别中,无疑能更好地应对日益复杂的电磁环境带来的问题和挑战。近年来,深度学习已经在调制识别领域取得了较好的识别效果,本文将继续研究深度学习在信号调制类型识别
机器人系统是一个具有多变量、高度非线性和强耦合等特点的复杂非线性系统,目前机器人系统已经广泛应用到各个场景,包括航天航空、工业生产、医疗以及日常生活。但由于工作环境的复杂性和多变性,机器人系统容易出现执行器故障,这会导致生产效率和产品质量降低。为了解决这一问题,容错控制技术已经被广泛运用来提高机器人系统的稳定性和可靠性。本文主要针对受执行器故障情形下的机器人系统,研究几种不同的容错控制方法去补偿执
转台是一种复杂的集光学、机械学、电机学等多学科于一体的现代化军事设备,在航天航空领域、雷达通信、模拟飞行器运动系统、制导系统中都发挥了极其重要的作用。转台系统的伺服控制性能对上述设备性能有主要的影响,为此,研究高精度的转台系统伺服控制技术对我国军工业的发展具有重大意义。目前,我国的陆地边防监控设备布控还不够完善,伺服跟踪转台产品需求量大,传统以人工手段的边防监控无法满足现实需求,亟需研制新一代高精
随着新能源分布式发电的渗透率不断上升,其不确定性及并网逆变器的低惯性会影响电网的稳定性。由于虚拟同步发电机控制策略（VSG）能使并网逆变器模拟同步发电机对外输出特性,提升分布式发电并网的稳定性和可靠性,基于此,本文对VSG的拓扑电路及其控制方法进行了分析和研究。首先对课题研究的背景及意义进行介绍。对比分析了并网逆变器的相关控制策略,并归纳总结了各控制策略的优缺点和适用场景。根据同步发电机电气与机械
我国城市轨道交通的里程数正在迅猛发展。但是,在走行轨兼作回流通路的城市轨道交通直流牵引系统中,存在杂散电流泄漏严重和钢轨电位异常升高等一系列问题,给城市轨道交通线路安全稳定地运行带来了威胁。目前,杂散电流和钢轨电位相关问题已受到了相关学者和设备研制企业的高度重视。依托于成都中工电气有限公司大力支持,本文针对轨地过渡电阻不均分布下模型的建立与分析、钢轨电位限制装置（Rail Overvoltage
现如今,由于许多领域对位置信息的需求越来越大,所以室内外定位技术发展迅速,其中RFID室内定位技术由于诸多优点被广泛采用。针对现有RFID定位技术中有源参考标签布设环节存在欠缺且目标无源标签定位精度低等问题,开发设计一套高精度RFID室内定位系统具有比较重大的意义。本文主要研究工作包括以下几点:首先,针对大型室内空间,由于无源标签读写距离的限制,需要预先定位阅读器的位置。为此,提出了通过已知位置的