【摘 要】
：
为了提高主变应急培训能力,提出基于多人协同虚拟现实的主变应急培训视景仿真模型.以火灾应急演练为研究对象,构建主变应急培训的虚拟视景图像重构模型,并对虚拟视景环境参数进行结算,根据参数结果的计算,进行主变应急培训过程中的虚拟现实仿真,实现主变应急培训的虚拟现实VR仿真模型的优化设计.测试结果表明,采用该方法进行主变应急培训的虚拟视景仿真的协同性较好,图像融合性能较高,视景重构能力较强.
【机 构】
：
广东电网有限责任公司 培训与评价中心,广东 广州 510520;广东电网有限责任公司 韶关供电局,广东 韶关 512026;广州保丽高网络科技有限公司,广东 广州 510665
论文部分内容阅读
为了提高主变应急培训能力,提出基于多人协同虚拟现实的主变应急培训视景仿真模型.以火灾应急演练为研究对象,构建主变应急培训的虚拟视景图像重构模型,并对虚拟视景环境参数进行结算,根据参数结果的计算,进行主变应急培训过程中的虚拟现实仿真,实现主变应急培训的虚拟现实VR仿真模型的优化设计.测试结果表明,采用该方法进行主变应急培训的虚拟视景仿真的协同性较好,图像融合性能较高,视景重构能力较强.
其他文献
给出了一种基于LeNet-5改进的人脸识别方法,以其能适用于资源及计算能力有限的嵌入式系统.把典型卷积神经网络LeNet-5的结构,设计为由两个卷积采样层、一个全连接隐藏层和一个分类输出层,降低了网络结构复杂度.而且减少了卷积核的个数、改进了池化方式以及分类输出方式,降低了计算复杂度.实验证明,在保证训练和测试精度的同时,该方法提高了在嵌入式平台上进行单人脸识别的速度.
针对现有海量数字图像信息落后,提出了新型的压缩算法,设计出基于FPGA的视频图像采集系统.应用深度卷积神经网络优化视频图像编码算法和聚类算法实现数据特征提取,将图像与距离信息作为深度卷积神经网络的输入与输出,并利用其特征提取能力学习图像特征的距离信息,提取深度卷积神经网络中的全连接层作为编码,通过迭代调整确定图像编码,完成图像压缩.应用测试结果显示,该算法具有较高效率优势,且图像压缩解码后质量较好.
基于Backes Andre Ricardo等人提出的“构造伴生动态演化网络”、生成“高维解释向量”的纹理图片分类法,研究了Kylberg纹理图像库的分类问题.通过将数据集图片样本进行二次分割以减少该算法预处理计算量、提出了构建纹理网络时的“网络顶点随机化、抽样采集”策略,该思路可进一步减少算法的时间开销.该类纹理图片数据高维几何数字特征的提取流程易于实现,扩展了原算法的适用范围.数值结果表明算法对旋转操作、噪声干扰具有一定的鲁棒性,具备一定潜在应用前景.
第五代网络技术条件下配电通信网互联可构成大规模光传送网.为解决路由选择、子载波数分配、各子载波调制阶数分配的联合优化问题,结合最短k路由算法,提出一种近优算法.为了检验该近优方法的有效性,以一个中等规模网络为例,将其与基于路由穷举的最优方法对比,结果表明,所提出的近优方法以较小的k值就可以求得联合优化问题的最优解,而计算时间较基于路由穷举的联合优化最优算法有显著降低.
提出了一种皮革视觉缺陷检测算法.通过分析皮革图像的低秩特征,将皮革图像缺陷检测问题转变为从低秩背景图像中分离稀疏矩阵图像.首先采用Gaussian高通滤波器对图像进行了预处理,然后利用鲁棒性主成成分分析(RPCA)对图像进行低秩稀疏分解,并采用效率较高的非精确增广拉格朗日乘子法(IALM)求解.对分解后的稀疏图像进行了后处理,最终在二值图像中获得缺陷的形状和位置.该算法的效率及准确率已经在实验中进行了验证,并与现有算法进行了比较.实验表明,该算法可以用来检测各种不同种类和大小的缺陷,检测准确率高且能够提供
为了有效提取图像的纹理特征,充分利用纹理的方向性以及纹理在不同方向具有不同频率成分这两个特性,提出了基于多尺度方向分解的纹理特征提取方法.首先根据Rado n变换的方法检测纹理方向,Rado n变换各角度投影向量方差的二阶导数最小值对应的投影角度即为纹理方向.然后根据得到的图像纹理方向信息,利用可控金字塔将图像沿纹理方向进行三个尺度的分解,得到纹理方向上图像的多尺度子带图像.最后以三个尺度子带图像的Legendre矩和Zernike矩作为图像的纹理特征.分别在Brodatz和VisTex数据集上进行实验验
高维数据存在大量的冗余变量和噪声,传统的分类方法在高维情况下通常效果不佳.为提高分类性能,将迭代稀疏组套索和支持向量机结合,提出了一种新的高维分类方法iSGL-SVM.分别在pros-tate和Tox_171数据集上验证了所提出的方法,并与其它三种方法进行比较.实验结果表明,该方法具有更好的变量选择效果和较高的分类精度,可广泛应用于高维小样本数据集的分类.
QAR可以监控的飞行参数多达上千种,为航空发动机状态监控和故障诊断提供丰富的数据,基于典型的民航飞机QAR数据对发动机进行性能分析.在地面滑行阶段,通过燃油控制系统对燃油流量进行小幅度微调,降低燃烧室温度上升率,提高高温部件的寿命;起飞阶段平原地区的燃油流量大于高原地区的燃油流量;爬升阶段采用换算转速能够较好地反映出燃油流量换算值变化规律;通过分析滑油量在某一航段的变化规律,对监测滑油的方式有一定的指导作用.
针对常规技术中变电站离线监测效率低的问题,研究了新型的在线监测方法.建立了电能损耗数值计算模型,反映出有功、无功、空载、负载损耗之间的关系,设计了单向树搜索法,能够优选功率损耗最小的变压器并列运行方式,最大程度地减少了损耗.设计出新型数据采集器,利用信息融合技术对采集到的信息进行综合处理和协调优化,最终实现变压器的在线监测流程.实验表明,所提方法的监测方法误差在10％ 以内,可靠性好.
因大规模任务处理模型在处理实际任务请求通常是基于历史数据的,若总依据经验和以往知识判断,会出现许多无法识别并处理的任务,以及出现模型过拟合等问题.提出了一种基于深度神经网络的计算模型进行大规模任务部署,并引用Agent强化学习效用进行评价,实现最佳虚拟网络映射方案.实验结果表明,这种BD T ard方法法能满足大规模任务请求,稳定系统长期收益,保障了大数据环境下大规模任务处理的高效执行.