【摘 要】
：
为了提高配电网单相接地故障的定位准确率，提出一种基于暂态零序电流图像识别的配电网单相接地故障区域定位方法。通过PSCAD实现故障仿真，构建卷积神经网络（CNN）学习所需图像集。根据单相接地故障的两值性和分化性特征，基于Python编程进行图像预处理，采用VGGNet11网络结构对预处理后的字节形式故障样本进行训练，得到故障区域定位模型，并可视化分析模型分类效果。典型10 kV配电网模型数字仿真及现
论文部分内容阅读
为了提高配电网单相接地故障的定位准确率，提出一种基于暂态零序电流图像识别的配电网单相接地故障区域定位方法。通过PSCAD实现故障仿真，构建卷积神经网络（CNN）学习所需图像集。根据单相接地故障的两值性和分化性特征，基于Python编程进行图像预处理，采用VGGNet11网络结构对预处理后的字节形式故障样本进行训练，得到故障区域定位模型，并可视化分析模型分类效果。典型10 kV配电网模型数字仿真及现场试验均表明，所提方法能够准确实现故障区域定位，不受系统接地方式、故障电阻和初始相角的影响。可采用暂态录
其他文献
为提高车辆前向防碰撞预警系统（Forward Collision Warning System，FCWS）对前方道路环境感知的准确性，提出一种基于毫米波雷达与视觉传感器信息融合的车辆跟踪方法。首先对雷达与视觉传感器进行联合标定，实现二者空间融合。接着将雷达有效目标投影至视觉图像中并生成ROI（Region of Interest，ROI），同时对该ROI进行对称性检测，改进其横向位置；然后，计算通
为了能够对细粒度菌类进行表型识别，在双线性卷积神经网络的细粒度图像识别框架基础上，提出了一种基于迁移学习和双线性Inception-ResNet-v2网络的菌菇识别方法，利用Inception-ResNet-v2网络的特征提取能力，结合双线性汇合操作，提取菌菇图像数据的细粒度特征，使用迁移学习，将ImageNet数据集上预训练的模型参数迁移到细粒度菌类表型数据集上。试验结果表明，在开源数据集和私有
基于深度学习的方法在某些工业产品的表面缺陷识别和分类方面表现出优异的性能，然而大多数工业产品缺陷样本稀缺，而且特征差异大，导致这类需要大量缺陷样本训练的检测方法难以适用。本文提出一种基于重构网络的无监督缺陷检测算法(Reconstruction network for defects detection， ReNet-D)，仅使用容易大量获得的无缺陷样本数据实现对异常缺陷的检测。本文提出的算法包括
为了解决设计图像去模糊神经网络依赖大量手工调参的问题，提出了基于可微分神经网络搜索技术的图像去模糊神经网络搜索方法。通过设计U型残差搜索空间，将去模糊网络的搜索过程分治为9个搜索单元的搜索过程，降低了搜索的复杂度。此外，本文给出了一个基于随机游走和最近邻插值的算法，通过模拟相机运动轨迹的方式生成模糊核，进而用于生成足够的模糊图像用于训练。实验结果表明，本文的算法明显减少了人工调参的工作量，搜索得到
傅里叶空间图像相似度计算是冷冻电镜三维重建计算模型的重要组成部分，由于其大量的计算开销导致模型整体运行速度缓慢，从而引起了国内外众多相关研究学者的密切关注。虽然目前该模型能够通过使用OpenMP等多线程技术获得可观的性能提升，但其在单节点的性能仍得不到充分发挥。为了解决这样的问题，本文提出一种基于SIMD高效并行傅里叶空间图像相似度计算的方法。首先，通过手动负载均衡提升CPU的线程使用率，以最大化
基于神经网络的风格迁移成为近年来学术界和工业界的热点研究问题之一. 现有的方法可以将不同风格作用在给定的内容图像上生成风格化图像并且在视觉效果和转换效率上有了较大提升， 然而它们侧重学习图像底层特征容易导致风格化图像丢失内容图像的语义信息. 据此提出一种改进方案， 使风格化图像的显著区域与内容图像的显著区域保持一致. 通过加入显著性检测网络生成合成图像和内容图像的显著图， 在训练过程中计算两者显著
国内城市固体废物(Municipal Solid Waste， MSW)的组分复杂，领域专家通常依据经验观测火焰视频图像识别焚烧炉燃烧状态进而调整MSW焚烧( MSW Incineration， MSWI)过程操作参数，难以维持稳定的运行工况。针对上述问题，提出了基于火焰图像颜色矩特征的MSWI过程燃烧工况识别方法。首先，对焚烧火焰图像进行去雾和去噪预处理，提高图像清晰度；接着，将图像转换到适合视
由于传统半监督模式下的多视图算法很少考虑到不同视图中数据包含信息的差异性，且忽视了不同视图间存在着空间结构的一致性，使得算法在含有噪声和异常点的多视图数据中性能较差。尽管有研究者已经提出了半监督多视图方法，但这些方法没有充分利用样本判别信息以及不同度量学习下的子空间结构信息，从而导致分类结果不理想。针对以上问题，本文提出了一致性约束的半监督多视图分类。首先， 基于希尔伯特-施密特独立性准则(Hil
针对目前Anchor-free目标检测方法CenterNet (Objects as Points)生成热力图不准确、检测精度不足的问题，提出了一种基于特征迭代聚合的高分辨率表征网络CenterNet-DHRNet。引入高分辨率表征骨干网络并用迭代聚合的方式对不同分辨率的特征图进行融合，提高网络的分辨率，有效地减少图像在下采样过程中损失的空间语义信息；接着使用高效通道注意力机制对高分辨率表征骨干网
近几年，随着视频数据规模的不断增加，近重复视频数据不断涌现，视频的数据质量问题越来越突出。通过近重复视频清洗方法，可有助于提高视频集的数据质量。然而，目前针对近重复视频清洗问题的研究较少，主要集中于近重复视频检索等方面的研究。现有研究方法尽管可以有效识别近重复视频，但较难在保证数据完整性的前提下，自动清洗近重复视频数据，以便改善视频数据质量。为解决上述问题，本文提出一种融合VGG-16 深度网络与