首页期刊导航|国外电子测量技术
期刊信息/Journal information
国外电子测量技术
国外电子测量技术

陈光衤禹

月刊

1002-8978

fedit@vip.163.com

010-64005190

100009

北京东城区北河沿大街79号2楼

国外电子测量技术/Journal Foreign Electronic Measurement Technology北大核心CSTPCD
正式出版
收录年代

    基于VMD-改进最优加权法的短期负荷变权组合预测策略

    李志军徐博杨金荣宁阮浩...
    1-8页
    查看更多>>摘要：为提升短期电力负荷预测精度,提出了一种变权组合预测策略.首先,为了降低负荷数据的不平稳度,使用变分模态分解(variational mode decomposition,VMD)将负荷数据分解成了高频、低频、残差3种特征模态分量.其次,充分计及负荷数据的时序特点,参考指数加权法原理设计自适应误差重要性量化函数,并结合组合模型在时间窗口内的历史负荷数据的均方预测误差设计改进最优加权法的目标函数和约束条件,以完成子模型的准确变权.最后,针对波动较强的高频分量选定极端梯度提升(XGBoost)和卷积神经网络-长短期记忆(CNN-LSTM)模型并使用改进最优加权法进行组合预测、低频分量使用多元线性回归(MLR)模型预测、残差分量使用LSTM模型预测,叠加各模态分量的预测结果,实现了短期负荷数据的准确预测.实验结果表明,使用策略组合模型的平均绝对百分比误差为4.18%.与使用传统组合策略的组合模型相比,平均绝对百分比预测误差平均降低了0.87%.

    短期负荷预测变分模态分解改进最优加权法组合模型

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    基于DIR-QPSO的弹丸落点定位声阵列优化布设方法

    庞润嘉李剑潘晋孝张恒冉...
    9-15页
    查看更多>>摘要：为了满足有限测点下声阵列定位精度提升的需求,提出了基于双种群量子粒子群(dual-group interaction quantum particle swarm optimization,DIR-QPSO)联合到达时差定位技术(time difference of arrival,TDOA)的单基站声阵列拓扑结构优化布设方法.首先,将声阵列中的声传感器作为粒子,利用Logistic混沌模型全局遍历性的优势初始化种群;其次,利用双种群之间信息共享优势,消除迭代过程中陷入局部最优点;再次,以TDOA模型构建适应度评价函数,得到声传感器最优布设位置;最后,通过仿真验证,得到优化后的声阵列拓扑结构.仿真结果表明,与传统六元正四棱锥阵列及QPSO优化后的阵列相比,方法将几何精度因子减小至1.351 8 m,克拉美罗下界减小至0.481 7 m,均方根误差减小至0.556 4 m.最后进行实验对比验证,实验结果表明,提出的单基站阵列具有更高的定位精度,极大提升了弹丸落点定位精度.

    量子粒子群双种群量子粒子群被动声源定位阵列优化Logistic混沌模型

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    基于改进YOLOv5的港口集装箱损伤检测算法

    裴晓芳刘菁宇柏雪周进...
    16-25页
    查看更多>>摘要：针对港口复杂环境背景下,不同尺度间多种类集装箱损伤目标检测精度低的问题,提出一种基于改进YOLOv5的港口集装箱损伤检测算法.通过使用一维卷积改进卷积块注意力机制(CBAM)中空间注意力模块的池化操作,后设计残差结构,并验证在不同位置引入改进的CBAM基本块对模型性能的影响,探索尽量减小复杂背景对检测结果影响的最佳方案及融合位置;为有效解决不同集装箱损伤图像尺度特征变换较大的问题,依据双向特征融合网络(Bi-FPN)结构思想,对颈部特征融合网络进行改进,在不过多增加计算量的情况下,更好地增强网络对多尺度目标的特征融合能力;最后将EIOU Loss替换GIOU Loss作为算法的损失函数,在降低算法边界框回归损失的同时提高算法的检测精度.实验结果表明,改进YOLOv5算法的平均检测精度达到了98.32%,较原YOLOv5目标检测算法提高了4.28%,同时保证了检测速度,验证了所提出算法的有效性,对港口企业高精度验箱的工业部署有重要意义.

    集装箱损伤目标检测YOLOv5CBAMBi-FPNEIOU

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    基于图像识别的绝缘材料憎水表面凝露形貌表征及其对放电发展影响研究

    贾子建吴田高广德吴健...
    26-33页
    查看更多>>摘要：凝露是造成电气设备绝缘劣化或损坏,影响电力系统安全稳定运行的主要危害之一.在相同凝露条件下不同表面产生的凝露在形貌上存在差异,对其放电发展的影响不同.提出了一种基于图像识别的湿区占比和凝露平均接触面积等特征形貌参数对沿面放电影响的表征方法,采用3种涂覆有不同憎水涂层的试验样品进行憎水性测试,在分析测定了不同样品表面憎水性的基础上,通过相关试验研究了不同憎水表面下凝露液滴的发展过程及分布规律,并分析了凝露形貌参数对闪络电压的影响.结果表明,CSS涂层、P-EL88涂层和无涂层样品表面静态接触角分别为103.17°、91.60°、80.77°,在0.01的显著水平下湿区占比和液滴平均接触面积对凝露闪络电压的Pearson相关系数分别为-0.989和-0.696,凝露闪络电压受湿区占比和液滴平均接触面积联合影响.

    凝露形貌沿面放电憎水涂料图像识别相关性分析

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    基于改进YOLOv5s的电力作业人员安全帽检测算法研究

    刘昶成邵文权李玲陶
    34-42页
    查看更多>>摘要：传统的电力施工现场安全帽检测算法的网络计算复杂度高、在复杂场景下对于远处目标和密集群体存在漏检等问题,提出一种改进后的轻量化YOLOv5s-GCAE算法,主干网络首先用GhostNet网络中的深度可分离卷积GhostConv,以此降低网络的计算量和参数量.其次在特征提取阶段中嵌入CA注意力机制,填补了引入轻量化网络时精度的缺失.引入自适应空间特征融合(ASFF)网络以有效融合多尺度特征,提高模型丰富的语义特征表示使网络更好的适应复杂的电力施工现场.最后引入损失函数EIOU,促使网络专注于高质量的锚点以提升在复杂场景下安全帽检测精度.构建了一个包含开源图片和自行收集的图片共9 326张的安全帽佩戴检测数据集.实验结果表明,该算法的安全帽检测准确率为93.4%,比YOLOv5s算法高2.1%,符合电力场景下安全帽检测的精度要求.

    安全帽检测电力场景YOLOv5sCA注意力模块GhostNet

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    基于AELSTM模型迁移学习的滚动轴承剩余寿命预测

    赵颖超张菀岳新宇张自豪...
    43-50页
    查看更多>>摘要：滚动轴承是机械设备中的重要零件,其工作状态直接关系着设备的运行,一旦发生故障会引起整个设备的正常运行,甚至引发重大的安全事故,因此,对其剩余寿命预测对设备的健康管理具有重要意义.提出了一种基于自编码-长短时记忆网络(autoencoder-long short term memory,AELSTM)迁移学习(transfer learning,TL)的滚动轴承剩余寿命预测方法,首先采用自动编码器自动提取源域中原始振动信号中的特征,再构建双层LSTM模型对剩余寿命进行预测,通过源域中训练获得AELSTM模型,再用目标域中的数据对AELSTM模型训练,完成对模型参数的微调,最后用调整好的模型对目标域中的数据进行预测.通过参数共享和微调两种方法,大大简化了模型在目标域上的训练过程.试验结果表明,在同轴承不同工况下,所提出模型相比于其他4种迁移学习方法的均方根误差分别降低了45.9%、58.9%、42.8%以及83.8%;在不同轴承不同工况下,所提出模型的均方根误差分别降低了16.9%、18.9%、11.7%以及8.9%.

    剩余寿命预测模型迁移长短时记忆网络自编码

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    基于改进U-Net的金具图像小样本识别算法研究

    谢智慧王文爽刘雪峰
    51-58页
    查看更多>>摘要：电力金具巡检是保证电网安全运行的关键任务.针对因金具样本类别不平衡、金具图像背景复杂而导致的误检、漏检问题,提出了一种改进U型网络(U-shaped network,U-Net)的检测方法.首先,通过生成对抗网络生成虚拟金具样本扩充数据集,解决数据集中样本类别不平衡的问题;然后,提出一种前景增强方法,在网络输出的特征图中加入背景掩膜,并优化损失函数;最后,将注意力机制嵌入U-Net,以提高模型在复杂背景下提取金具特征的能力.经实验证明,改进算法对电力金具目标的检测效果良好,其金具检测准确率达到98.82%,平均交并比达到83.94%,精确率达到91.01%,召回率达到86.18%,平均精度均值达到89.73%.改进算法不仅可应用于正常金具的检测,还有效适用于生锈金具的检测,为电力金具智能化检测提供了一种新思路.

    电力金具U-Net生成对抗网络前景增强ACmix智能巡检

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    基于匹配信任度机制的移动传感网簇头更新算法

    王恒郑笔耕
    59-65页
    查看更多>>摘要：为解决移动传感网部署过程中存在的簇头节点更新质量不佳和节点生存率较低等不足,提出了一种基于匹配信任度机制的移动传感网簇头更新算法.首先,引入K-means算法,利用误差平方根函数来完成网络初始聚类,以快速定位聚类中心,提升聚类形成速度.随后,综合考虑备选簇头剩余能量、备选簇头与当前簇头的欧氏距离、备选簇头覆盖范围内节点总数3个因素,设计了基于匹配信任度的簇头更新方法,按权值对各因素进行平均分配,进而将信任度权值最高的节点作为备选簇头,从而选举出生存质量较高的节点.仿真实验表明,算法具有更高的网络稳定运行时间和簇头节点生存率,以及更低的节点故障概率.其中,网络稳定运行时间提升了80%以上,簇头节点生存率保持在90%以上,节点故障概率也较低,具有明显的优势.

    移动传感网匹配信任度簇头更新欧氏聚类区域分割

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    基于级联网络的散乱堆叠物体分割算法

    罗雄炜朱铮涛
    66-73页
    查看更多>>摘要：提出了一种针对处理散乱堆叠物体的改进方法.在YOLOv5模型中采用了加权双向特征金字塔网络(BiFPN)替代路径聚合网络(PANet),结合Gfocal损失函数,使得漏检和误检问题得到有效改善,平均精度均值(mAP)mAP@0.5达到了90.1%.利用 Mask R-CNN进行目标物体分割,使用轻量化的 Mobilenetv3替代ResNet101主干网络以减少参数量,同时借用CFNet思想加强特征融合机制,使得分割精度提高至92.1%.通过级联改进后的YOLOv5和改进后的 Mask R-CNN,算法在实时性和精确性上得到了平衡,在有效感兴趣区域(region of interest,ROI)中提取准确的物体形状信息.与单独使用实例分割算法相比,检测速度提升了1 s.实验证明所提出的算法不仅提高了推理速度,还提高了分割精度,解决了复杂堆叠场景下物体特征提取效果差且检测速度慢的问题.

    目标检测实例分割深度学习级联检测

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    基于分数混合阶的交叠组合稀疏全变分HFOGSTV去噪模型

    杨传兵周先春陈楷张洁...
    74-83页
    查看更多>>摘要：针对全变分(TV)模型引起的阶梯效应,造成图像出现块状伪影的问题,提出了基于分数混合阶的交叠组合稀疏正则项全变分(HFOGSTV)去噪模型.考虑到交叠组合稀疏正则项与分数阶微分能够抑制全局以及局部的块状伪影的特点,将二者引入TV模型,可以较好地抑制阶梯效应.并引入高阶微分,提高模型的去噪效率,构建了基于 HFOGSTV去噪模型.新模型采用交替方向乘子法(ADMM)分解为各个子问题进行依次迭代求解,并选择合适的参数.实验结果表明,HFOGSTV模型与非局部均值去噪(NLM)、TV和混合非凸高所交叠组合稀疏全变分(HNHOTV-OGS)模型相比,峰值信噪比(PSNR)分别提升7.2%、5.3%、1.9%,结构相似性(SSIM)分别提升6.6%、6.1%、3.4%,耗时分别减少89%、51%、45%,不仅有效抑制了阶梯效应,而且去噪效果更佳,运行时长大大降低.

    图像去噪交叠组合稀疏分数阶微分交替方向乘子算法

      原文链接:
    • NETL
    • NSTL
    • 万方数据