【摘 要】
:
输电线路上的螺栓缺陷分类是电力视觉技术的一个重要研究课题。但目前针对输电线路进行的螺栓缺陷分类的研究工作,大多仅限于利用螺栓螺母表面特征提取或者利用已有算法的改进,易受周围复杂环境的影响,无法满足高效的螺栓缺陷分类需求。本文通过研究门控图神经网络(gated graph neural network,GGNN),提出了基于GGNN的栓母对知识图谱的缺陷分类算法,利用螺栓螺母及周围环境的先验知识结合
论文部分内容阅读
输电线路上的螺栓缺陷分类是电力视觉技术的一个重要研究课题。但目前针对输电线路进行的螺栓缺陷分类的研究工作,大多仅限于利用螺栓螺母表面特征提取或者利用已有算法的改进,易受周围复杂环境的影响,无法满足高效的螺栓缺陷分类需求。本文通过研究门控图神经网络(gated graph neural network,GGNN),提出了基于GGNN的栓母对知识图谱的缺陷分类算法,利用螺栓螺母及周围环境的先验知识结合深度学习的模型,实现了栓母对缺陷的高效分类。主要内容如下:本文提出将螺栓螺母相关的缺陷定义为栓母对缺陷,提出并利用栓母对组合规则自主构建了栓母对缺陷数据集,然后定义了门控图神经网络(GGNN)的节点与边。基于以上工作,本文首次提出了基于GGNN的栓母对知识图谱的构建方法。首先通过使用卷积神经网络提取栓母对图像特征,然后以栓母对图像特征初始化GGNN网络模型的缺陷节点与语义对象节点,结合栓母对先验知识的邻接矩阵,最后通过门控图神经网络(GGNN)模型得出缺陷类别与语义对象之间的关系。在构建基于GGNN的栓母对知识图谱基础上,提出将基于GGNN的栓母对知识图谱应用至栓母对缺陷分类。为了验证基于GGNN的栓母对知识图谱的有效性,在粗级缺陷数据集和细级缺陷数据集上利用栓母对知识图谱指导螺栓缺陷分类,实验结果证明了基于GGNN的栓母对知识图谱指导螺栓缺陷分类方法的有效性和可行性。最后,为进一步提高模型准确率的问题,本文提出综合利用区域特征和决策融合的缺陷分类方法。该方法利用栓母对融合特征和区域特征的分类结果进行自适应决策融合,得出最终的栓母对缺陷分类结果。实验结果表明,提出的方法提升了栓母对缺陷的分类效果。
其他文献
非侵入式负荷分解技术是在保证用户隐私的背景下深度分析用户的用电信息,是智能用电体系的关键研究内容。在负荷分解中主要存在功率相近的电器无法识别等问题。起初研究人员为解决上述问题,引入高频特征进行识别,但随之也带来了计算复杂,实际实施较为困难等问题。随着近几年模式识别的发展,模式识别的方法在非侵入式负荷分解中应用广泛,但研究人员忽略了方法的实用性。针对上述问题,本文围绕实用性较高的组合优化方法在非侵入
随着电力负荷需求的不断增加、传统化石能源紧缺的现状不断加剧,可再生能源的接入成为了必然的趋势,但同时分布式电源的随机性和波动性也给配电网的稳定运行带来了新的挑战,对配电网功率传输的调节能力和灵活运行提出了更高的要求。而随着电力电子装置的研发和生产日趋成熟,储能设备、柔性软开关逐步投运,配电网正顺应发展的需要,逐步演变为柔性配电网。相较于传统的配电网,柔性配电网能够实现柔性运行,具有更强的调节能力,
随着现代工业的快速发展,化石燃料的大量燃烧造成人类向大气排放的二氧化碳不断增加。为了有效降低CO2排放量,研究CO2处理技术是十分必要的。CO2的吸收及资源化利用技术得到广泛关注,其中最常见的转化反应是CO2的催化还原,不仅可以降低温室气体含量,还可以获得具有高工业利用价值的产品,在环境和经济两个方面都能获得良好的效益。目前二氧化碳催化还原的最大挑战是由于二氧化碳本身的化学稳定性,普通催化剂催化还
非侵入式负荷监测(Nonintrusive Load Mointoring,NILM)是根据电力入口处电气参数估算出各用电设备的工作及能耗状况,通过负荷辨识技术得到详细用电状态信息,与侵入式负荷监测相比(Intrusive Load Mointoring,ILM)大大减少传感器数量,近年来在调度优化和负荷精细化管理领域受到越来越多关注。随着深度学习在图像识别、自然语言处理等领域应用,深度学习算法仅
光伏产业近年来发展迅猛,但光伏阵列表面积灰会影响透射率从而影响其发电效率。随着我国工业化快速发展,环境污染问题进一步影响了光伏板表面积灰程度,因此,有必要研究不同污染环境下各因素对光伏阵列积灰特性的影响。本文以我校并联型光伏阵列为研究对象,实验研究了其积灰特性,利用COMSOL软件建立了其积灰物理模型,并进行了数值模拟,验证了模拟方法的合理性,籍此,模拟了不同污染环境下光伏阵列表面灰尘颗粒的平均受
环境污染和能源危机推动了风力发电迅速发展,风力发电在电力系统中占比提高带来了对电力系统稳定性的挑战。风功率和负荷功率的波动,对系统频率的稳定控制提出了新要求。本文旨在关注双馈风力发电机组参与系统调频的方法研究,主要内容如下:首先,对双馈风力发电机组参与系统调频的研究背景和意义进行了介绍,对双馈风力发电机组进行建模,介绍了现有风力发电机组参与系统一次调频的方法原理,为进一步探讨双馈风力发电机参与系统
5G移动通信系统的发展对高可靠、低时延、多连接等提出了更高的要求,一系列新型关键技术也应运而生。其中,非正交多址接入(Non-orthogonal Multiple Access,NOMA)作为一种新的多址接入技术,允许多用户同时共享同一频带资源的特性有效提高了无线通信频带资源的利用率。移动边缘计算(Mobile Edge Computing,MEC)允许移动用户将计算密集型任务转移至边缘服务器进
室内场景识别作为计算机视觉领域的基础任务之一,与目标识别和图像识别具有明显区别,其图像构成相对复杂,在识别过程中不仅要考虑整体场景布局,目标细节信息也尤为关键。随着深度学习的发展,该任务在图像检索、智能驾驶、视频监控等应用中发挥了关键作用,因此对室内场景识别任务进行进一步研究仍然具有重要的意义。本文主要针对室内场景的识别进行研究,研究内容分为以下两部分:1.研究了一种结合目标特征和全局特征的室内场
近年来,我国“西电东送,南北互供,全国联网”的能源发展战略稳步推进,具备远距离、大容量输电能力的高压直流输电技术发展迅速。在此背景下,作为传统高压直流输电系统中常见故障之一的换相失败问题不容忽视。首次换相失败后的处理方式不当,可能引发多次换相失败的发生。连续换相失败会导致直流的单极或双极闭锁,严重威胁电网的安全稳定运行。因此,研究行之有效的连续换相失败抑制方法具有重要现实意义。首先,仔细剖析了高压
作为动车组电气系统的主体部分,其车体内部成千上万根线缆的可靠性直接影响到整个动车组能否安全、稳定地运行。目前,我国工程人员采用传统的、后进的检测方法对动车组进行线缆导通试验和绝缘试验。这种方法不仅虚耗人力,还会虚耗时间,并且极易因工程人员的主观原因而造成误操作与误判断,导致导通测试的结果可靠性较差,为动车安全、稳定地运行埋下隐患。为了解决传统人工校线测量方法可靠性低、检测时间长等方面的缺陷,文中采