基于深度学习和物联网技术的局部放电检测方法研究
这是一篇关于局部放电,数字信号处理,小波变换,深度学习,物联网,云平台的论文, 主要内容为局部放电现象广泛存在于各种电力设备中,该现象严重威胁着用电安全。而局部放电检测技术可有效对电力设备中的局部放电现象进行判别,从而及时作出响应,减少局部放电带来的危害,因此,对该项技术的研究显得尤为重要。但是,随着电力设备的复杂化,电路中信号的复杂程度明显上升,且局部放电信号的模式较多,各种模式下,局部放电信号的有效频带具有不确定性,加上电力设备运行过程中存在大量噪声信号,以上等问题,为信号的处理分析增加了很大难度,仅采用时频域等传统信号分析方法,难以在如此复杂的信号中有效提取出局部放电信号的特征,从而限制了局部放电检测的性能。深度学习的发展则为解决这些问题提供了新的思路。本文旨在研究高性能局部放电检测算法,结合数字信号处理与深度学习技术,解决局部放电检测中噪声抑制问题,并在复杂信号中实现对局部放电现象的有效判别。除此之外,本文借助物联网技术,构建信号数据仓库,助力打造局部放电检测大数据生态。本文研究重点为以下内容:提出了一种基于深度学习的高性能局部放电检测算法,算法流程主要包含降噪处理、数据压缩、局部放电识别三部分。为了解决噪声信号的干扰问题,本文基于小波理论对原始采样信号进行预处理,实现了降噪功能。在构建深度学习模型前,本文对高采样率的数据进行了人工特征提取,实现了数据的压缩处理。本文设计并实现了一种基于LSTM的局部放电检测模型,并引入注意力机制对其进行优化,除此之外,本文将局部放电检测问题与文本分类问题进行类比,将文本分类问题中的经典深度学习模型Text CNN迁移至局部放电检测问题中,在此基础上,又提出了一种新的融合模型。本文对以上几种模型进行了充分实验,对比分析了各种模型的性能。设计实现了基于物联网技术的云平台系统。由于深度学习算法对数据的依赖性,加上终端设备存储和计算能力有限的问题,本文借助物联网技术,在微服务架构下设计并实现了一套云平台系统。此系统能够与局部放电检测终端设备进行通信,接收终端设备上传的现场采样数据,并构建数据仓库,为深度学习模型的迭代升级、局部放电检测问题的大数据分析提供数据基础;云平台系统还可以将新版本模型下载至对应终端设备中,为终端设备中所部署的模型进行升级工作。
被动微波遥感纳木错湖冰变化研究
这是一篇关于湖冰,被动微波,遥感,气候变化,小波变换,纳木错的论文, 主要内容为湖冰能快速地响应气温变化,在全球气候变化的大背景下,湖冰能够作为有效的指示器来监测气候变化的实际影响。目前,国内外对于湖冰的研究并不多,湖泊面积大小、对时间分辨率的要求等都是限制湖冰研究的重要影响因素,高时间分辨率、不受天气影响的数据对于湖冰研究而言至关重要。在此背景下,本文利用SMMR和SSM/I被动微波亮温数据,根据湖冰和湖水在亮温上的显著差异,通过搜索亮温值突变的位置,提取了纳木错湖1978年至2013年湖冰开始冻结、完全冻结、开始消融以及完全消融四个时间参数,并分别通过AMSE-E数据、MODIS数据以及其他相关研究验证了研究结果,着重分析了纳木错湖完全封冻时间的变化规律。 根据提取的纳木错湖冰持续时间等参数,结合纳木错地区年平均气温、纳木错面积变化以及纳木错对气候事件响应程度等因素,综合分析了纳木错湖冰时间序列的变化规律以及变化趋势,结果表明纳木错自1978年以来湖冰持续时间减少了约45-49天,其中湖面完全封冻时间推后了约23天,开始消融时间提前了约22天。利用显著性检验和交叉小波变换的方式分析纳木错湖冰持续时间与该地区气温之间的关系,表明纳木错湖冰持续时间与气温存在负相关关系,但并不显著,交叉小波变换的结果表明湖冰持续时间与该地区年平均气温在5-6年尺度上具有显著相关性,根据小波变换结果预测在未来短期内湖冰持续时间会略微增加,但总体仍然呈减少趋势。选取1976、1989、1999和2009四个时相的Landsat数据提取纳木错湖泊面积,结果表明湖泊面积在三个时间段内呈加速增加趋势,与纳木错湖冰持续时间在相应时间段内呈加速减少趋势相对应,说明两者可能是受同一种气候因素影响。在研究纳木错湖冰持续时间对全球气候事件相应的过程中,分析了湖冰持续时间对ENSO的响应,结果表明两者之间存在相关关系,对于发生的厄尔尼诺和拉尼娜现象均有一定程度响应,但在某些年份响应并不强烈。 本文的主要创新点在于提出了一种能够提取湖冰开始冻结和完全消融时间的算法,并在对纳木错湖冰持续时间的分析过程中,利用交叉小波变换的方式分析了湖冰持续时间与气温的关系,探索了湖冰持续时间与气温在不同时间尺度上的相关关系。同时,由于粗分辨率被动微波数据对研究结果的影响,提取的纳木错湖冰时间参数的精度还需要进一步提高。
基于脉搏信号的可穿戴社交情绪分析系统
这是一篇关于脉搏信号,可穿戴设备,社交情绪分析,小波变换,随机森林,光电容积脉搏波描记法的论文, 主要内容为社交情绪分为两个部分,一部分是社交,指个体与他人建立和从事积极互动行为的一系列行为;另一部分是情绪,它帮助个体与他人建立、维持和改变关系。良好的社交情绪能力可以让自己和他人融洽的进行各种社会活动,而在社交情绪上存在问题的人,可能不受家庭以及周围的环境所欢迎,而习惯性的社交和情绪问题难以改变,可能越发的严重。对于个体的社交情绪研究将有助于他们了解自身的问题,从而来改变自己。当前,一些传统基于生理信号的情绪分析的研究方法,通常以获取实验对象的多种生理数据达到识别特定情绪的目的,而要同时准确的采集人体多种生理数据不仅需要有理想的采集环境,而且对于采集设备也有很高的要求,导致这样的研究方式往往只能停留在实验的基础上,很难应用于实际的生活中,这样的方法不适用于社交场景下的情绪分析。脉搏信号采集较为方便,且具有较高的信号质量,同时在传统的情绪分析研究中脉搏信号作为重要的生理参数为情绪分类提供依据,已有研究证明单独使用脉搏信号用于情绪分析是可行的;可穿戴设备具有可计算、便携带、无线收发以及续航时间长等特点。为此本文设计了一种基于脉搏信号、便携带、可穿戴的社交情绪分析系统;系统使用光电容积脉搏波描记法采集人体脉搏信号,使用情绪诱发的方式获得人体在平静、高兴、悲伤、恐惧四种情绪状态的脉搏数据,结合随机森林算法得到了平静-高兴、平静-悲伤、平静-恐惧、悲伤-高兴和平静-高兴-悲伤-恐惧的情感模型,最后进行了大学生常见社交场景下的社交情绪分析模拟测试。本系统使用ZigBee无线通信技术,实现了多节点的自组网与脉搏数据传输;使用QT开发的上位机图形界面整合了小波变换算法对脉搏信号去噪处理,上位机调用由Matlab训练的情绪模型实现社交情绪的分析;基于SSM框架开发微信公众号和社交情绪分析后台管理系统,实现了用户使用终端设备采集脉搏数据,上位机处理和分析数据,在微信端创建、查看和管理社交情绪分析体验记录。
基于树突状神经元网络的光伏功率预测方法及应用
这是一篇关于光伏功率,神经网络,树突状神经元网络,小波变换,预测系统的论文, 主要内容为新型清洁能源占人类能源消耗总量的比例越来越高,太阳能光伏作为主要的新型可再生能源,由于受气象因素的影响,具有非常典型的间歇性和随机性特点,若不加以预测任其接入电力系统,可能会对电网的稳定造成冲击,为了控制电能质量和提高系统稳定性,准确的光伏功率预测尤为重要。神经网络依然是目前光伏功率预测最为常用的方法之一。但由于传统的神经网络模型通常需要大量的神经元作为支撑,这导致了模型的运算效率较低,近些年发展起来的新型树突状神经元网络模型具有收敛速度快,结构简单,预测精度高等优点,本文探索将树突状神经元网络模型用于光伏发电功率的预测,围绕树突状神经元网络模型设计了两种光伏功率预测方法,基于上述方法开发了一个光伏功率预测系统。主要研究内容包括:(1)基于树突状神经元网络模型的光伏功率预测方法设计了一种基于树突神经元模型的光伏功率预测方法,结合光伏电站实际数据集分析并选择了影响光伏发电量的气象因素,把影响因素组成的数据阵列归一化后作用于模型的突触层,其中的非线性运算通过布尔逻辑表示,采用误差反向传播算法训练模型。本文将设计出预测方法的结果与一些常用的神经网络模型比较,从预测值、预测值的绝对误差和模型收敛速度三个方面分析了不同模型的差异,并采用MAPE、MAE和RMSE三种方法评估所提出预测模型的有效性。(2)基于小波变换-树突状神经元网络模型的光伏功率预测方法为进一步地提升树突状神经元模型的预测效果,本文在将原始数据传递给神经元模型之前,尝试寻求更有效的数据处理方法。首先利用小波变换对数据进行分解,随后重构模型的输出数据,由此将小波变换算法和树突状神经元网络模型组合起来,设计了一种新的光伏功率预测方法,随后将所提出的光伏功率预测方法与其他模型进行对比,发现采用的树突状神经元网络模型能够实现更高的预测精度。(3)光伏功率预测应用系统将提出的光伏功率预测方法投入到实际应用之中,开发了一个光伏功率预测系统。该系统包含数据采集、数据存储、预测算法和可视化界面四个模块,基于B/S架构,通过PHP脚本与后台数据库交互,预测结果采用Highcharts框架,以曲线和图表等多种方式展现。
基于深度与小波特征融合的羊脸识别方法研究
这是一篇关于奶山羊,YOLOv7,小波变换,特征融合,羊脸检测,羊脸识别的论文, 主要内容为规模化养殖是现代奶山羊产业的主要发展方向,精确、快速的奶山羊个体识别方法在其中起着关键性作用。在传统养殖过程中,大多采用给奶山羊佩戴耳标的方式实现个体识别,然而,这种方式会给羊带来痛苦,对其造成生理损伤,还会引发应激反应或疾病。此外,羊耳标识别效率较低,消耗的硬件成本和人力成本却很高,而且无法有效应对农险理赔环节中的欺诈行为。近年来,随着养殖场摄像设备的增多,以及人工智能的快速发展,基于深度学习、计算机视觉技术的家畜个体识别方法已成为重要研究方向。本文利用羊脸图像的深度特征与小波特征,依次提出羊脸检测、识别模型,提供了一种高精度、无接触、低成本识别奶山羊的方法。主要工作及结论如下:(1)羊脸图像数据集构建。本文以西农萨能奶山羊为采集对象,在不同光照、不同角度等条件下进行图像数据采集。为提高数据集的质量,紧接着对采集到的不合格图像进行剔除,并基于SSIM指标对相似度过高的图像进行过滤。之后,使用label Img标注工具进行羊脸区域标注,制作PASCAL VOC格式的标签文件,形成羊脸检测数据集。最后,进行图像裁剪和缩放,以及数据增强,实现样本容量的扩充,形成包含总计17 600张羊脸图像的羊脸识别数据集。(2)基于改进YOLOv7的轻量级羊脸检测模型构建方法研究。为实现羊脸的精确、快速检测,本文以YOLOv7目标检测模型为基础,使用Ghost模块替换常规卷积操作,添加ECA轻量级注意力机制,并将模型的定位损失函数优化为SIo U Loss。实验结果表明,改进后的YOLOv7-Ghost-ECA-SIo U模型有效降低了模型规模,精确率、召回率、m AP三项指标较YOLOv7分别提升了3.80、2.65、3.15个百分点,能够高效完成羊脸检测任务。(3)基于小波变换与卷积神经网络的羊脸识别模型构建方法研究。为解决养殖场条件下羊的个体识别问题,本文设计了基于2D-DWT与卷积运算的羊脸特征提取模块,对羊脸深度特征和小波特征进行特征融合,并据此模块完成卷积神经网络搭建,形成了羊脸识别模型DWT-Goat Net。实验结果表明,所提出模型在日间光照环境、夜间灯光环境两种不同场景下羊脸识别测试集上识别准确率分别可达99.74%和99.89%。模型结构简单、收敛迅速,引入小波特征后模型的特征提取能力取得了一定增益,且模型相较于经典卷积神经网络在羊脸识别任务中更具优越性,为精准养殖、农险理赔和动物福利等领域问题提供了有效解决方案。
基于树突状神经元网络的光伏功率预测方法及应用
这是一篇关于光伏功率,神经网络,树突状神经元网络,小波变换,预测系统的论文, 主要内容为新型清洁能源占人类能源消耗总量的比例越来越高,太阳能光伏作为主要的新型可再生能源,由于受气象因素的影响,具有非常典型的间歇性和随机性特点,若不加以预测任其接入电力系统,可能会对电网的稳定造成冲击,为了控制电能质量和提高系统稳定性,准确的光伏功率预测尤为重要。神经网络依然是目前光伏功率预测最为常用的方法之一。但由于传统的神经网络模型通常需要大量的神经元作为支撑,这导致了模型的运算效率较低,近些年发展起来的新型树突状神经元网络模型具有收敛速度快,结构简单,预测精度高等优点,本文探索将树突状神经元网络模型用于光伏发电功率的预测,围绕树突状神经元网络模型设计了两种光伏功率预测方法,基于上述方法开发了一个光伏功率预测系统。主要研究内容包括:(1)基于树突状神经元网络模型的光伏功率预测方法设计了一种基于树突神经元模型的光伏功率预测方法,结合光伏电站实际数据集分析并选择了影响光伏发电量的气象因素,把影响因素组成的数据阵列归一化后作用于模型的突触层,其中的非线性运算通过布尔逻辑表示,采用误差反向传播算法训练模型。本文将设计出预测方法的结果与一些常用的神经网络模型比较,从预测值、预测值的绝对误差和模型收敛速度三个方面分析了不同模型的差异,并采用MAPE、MAE和RMSE三种方法评估所提出预测模型的有效性。(2)基于小波变换-树突状神经元网络模型的光伏功率预测方法为进一步地提升树突状神经元模型的预测效果,本文在将原始数据传递给神经元模型之前,尝试寻求更有效的数据处理方法。首先利用小波变换对数据进行分解,随后重构模型的输出数据,由此将小波变换算法和树突状神经元网络模型组合起来,设计了一种新的光伏功率预测方法,随后将所提出的光伏功率预测方法与其他模型进行对比,发现采用的树突状神经元网络模型能够实现更高的预测精度。(3)光伏功率预测应用系统将提出的光伏功率预测方法投入到实际应用之中,开发了一个光伏功率预测系统。该系统包含数据采集、数据存储、预测算法和可视化界面四个模块,基于B/S架构,通过PHP脚本与后台数据库交互,预测结果采用Highcharts框架,以曲线和图表等多种方式展现。
Android平台下基于ArcGIS的通信光缆信息管理系统的设计及实现
这是一篇关于光缆信息采集,ArcGIS,Android,Java Web,MySql,IDEA加密算法,OTDR,RBF神经网络,小波变换的论文, 主要内容为骨干光网信息管理系统是中国电信公司在业务转型升级的背景下研发并投入使用的系统。目前当地的维护人员只是采用纸质录入光缆信息、现场巡视检查的方式,这就存在着无法监督巡视人员、光缆信息电子化程度不高、不利于集团公司对全国范围内的光缆设施进行监控管理等问题。集团公司提出了建立统一的光缆信息系统的目标,可以录入、查询、修改、监控光缆信息。本文利用手机设备可以使用GPS精准定位、系统开源可编程、可以存储大量信息并上传给服务器、方便携带、使用频率大的特点,开发出一套基于ArcGIS的光缆信息管理系统,用以协助维护人员进行光缆的信息采集、巡视检查、隐患上报、光缆故障定位等工作,切实提高其工作的信息化程度和透明程度,方便集团公司对光缆设备的统一管理等。本文章对数据加密算法IDEA进行了研究,优化了 IDEA密钥扩展过程,并将该算法应用于程序的用户名、密码、光缆相关信息等的加密。然后研究了 OTDR光时域反射仪在光纤故障定位过程当中的应用,并使用小波变换对OTDR测试曲线进行分析,同时还使用了 RBF神经网络结构对测试曲线的奇异点进行分析,确定光纤故障类型,获得光纤故障位置。骨干光网信息管理系统使用Esri公司提供的SDK开发包,分别开发了服务器端、Web端和手机终端。服务器端使用MySql作为数据的存储库,使用SpringMVC、Mybatis进行服务器框架的搭建,对外提供数据的查询、处理、存储、展示等功能;Web端是以浏览器网页的形式展现给用户,无需安装客户端程序,管理者只要能够上网,就能够远程跟踪了解巡检员的实时在位情况、查询历史巡检轨迹及维护计划完成以及光缆路由情况等。手机终端是以智能手机的APP形式展现给用户的,巡检人员可以方便的使用手机进行现场的光缆信息采集、定位、巡检等工作,并可以及时的上传到服务器,极大的提高了工作的信息化程度。
本文内容包括但不限于文字、数据、图表及超链接等）均来源于该信息及资料的相关主题。发布者：代码客栈 ，原文地址：https://m.bishedaima.com/lunwen/45370.html
