公共文化服务平台

共 6 条记录，以下是 1-6

全选清除导出

排序方式：

基于高光谱成像技术的500 kV运行绝缘子污秽识别及可视化研究: 2021年; 电网绝缘子数量多,污秽成分复杂,传统污秽测试方法耗费大量人力物力,为快速、有效地辨识其污秽程度,本文提出一种基于高光谱成像技术的线路绝缘子污秽等级识别技术。首先,利用高光谱成像仪对不同污秽等级的84支运行绝缘子样品进行图谱信息采集,进行黑白校正;其次,获取感兴趣区域(region of interest,ROI)的反射率光谱曲线,使用SG平滑预处理方法削弱噪声干扰,通过竞争性算法(CARS)提取波谱特征;同时,采用HSI分量法分析现场绝缘子不同污秽等级的图像特征,提取图像饱和度(Saturation)分量特征;结合光谱数据与图像特征参量,建立基于极限学习机(Extreme Learning Machine,ELM)的污秽等级识别模型,识别准确率可达86.1%,获取绝缘子高光谱图像各像素点的图谱信息并使用已建立的污秽等级识别模型进行分类,可实现绝缘子污秽等级的图像可视化。; 马御棠杨坤李谦慧杨谨铭潘浩彭兆裕颜冰; 关键词：高光谱成像极限学习机

运行复合绝缘子高光谱污秽检测技术: 2023年; 目前传统的高光谱污秽检测主要针对人工涂污样本。而运行复合绝缘子由于结构和自然积污复杂、基材浸污严重,难以运用其方法进行污秽检测。因此搭建了适用于绝缘子污秽检测的高光谱拍摄平台,并提出了一种基于高光谱的运行复合绝缘子污秽检测技术。首先,针对绝缘子光谱特性,提出了一种基于噪声学习的一维卷积降噪自动编码器(1D-RDCAE)高光谱数据转换方法,消除不同拍摄情况导致的谱线偏移现象。其次通过核主成分(KPCA)提取不同污秽程度的光谱特征;分别建立基于线性判别算法(LDA)、BP神经网络(BPNN)以及极限学习机(ELM)的运行复合绝缘子污秽检测模型。最终,检测结果表明,较之传统的高光谱污秽检测方法,笔者提出的污秽检测技术对不同拍摄情况下的污秽程度检测准确度有了大幅提高,由50%左右提高到了85%以上,为后续运行复合绝缘子光谱检测奠定了基础。; 马御棠李谦慧马仪潘浩杨坤周志鹏

智能变电站过程层采样数据组网传输分析被引量：2: 2012年; 介绍了智能变电站过程层采样数据传输方式,对IEC61850-9-2定义的组网传输方式进行了分析,讨论了报文优先级、VLAN技术和报文组播的实现。通过SMV报文组帧和排队论的理论分析,利用OPNET Modeler仿真软件对变压器间隔进行模型搭建和配置,验证了组网传输方式下提高交换机包转发率可减小延时和延时抖动。; 蒋博徐文志杨坤徐皇清崔建强; 关键词：采样数据排队论

不同材质绝缘子污秽等级高光谱检测方法研究被引量：3: 2023年; 该文提出了适用于不同材质(陶瓷、玻璃和硅橡胶)绝缘子表面污秽等级的高光谱检测方法,采集不同材质和污秽等级样本的高光谱数据,经预处理后提取标签集及检测集谱线数据;采用玻璃材质样本标签集数据建立污秽等级检测模型;并运用分段直接标准化校正陶瓷、硅橡胶样本谱线数据,实现同一模型下不同材质样本的污秽等级检测。结果表明:不同材质样本同一污秽等级下,高光谱谱线吸收峰、反射峰位置及变化趋势有明显差异;同一材质不同污秽等级谱线差异主要为幅值。检测模型对玻璃、陶瓷和硅橡胶样本的污秽等级检测准确率分别为98.3%、95.0%和91.7%,并利用人工积污试验对模型进行了验证,污秽等级检测准确率为83.3%,证明了该模型可有效实现不同材质绝缘子表面污秽等级的高光谱检测。; 张血琴周志鹏郭裕钧杨坤吴广宁; 关键词：绝缘子污秽等级支持向量机

基于WINPCAP的GOOSE报文测试软件设计: 2012年; Winpcap是Windows平台下的一个免费捕包软件，能够为Win32应用程序提供访问网络底层的能力。采用Winpcap可以方便地在Windows平台下模拟GOOSE（面向通用对象的变电站事件）报文的捕获、发送。本文分析了GOOSE报文的结构与通信原理，讨论了GOOSE报文的编码、解码过程，并给出了设计流程图。; 杨坤蒋博; 关键词：IEC61850 WINPCAP 流程图

绝缘子污秽等级的高光谱特征优化识别技术研究被引量：1: 2022年; 为解决传统污秽检测方法对输电线路绝缘子污闪防治的局限性,通常采用非接触式、高分辨率的高光谱技术研究污秽在线检测技术。为有效提取反应污秽度的光谱特征,削弱冗余与干扰信息的影响,文中提出一种基于小波包能量谱特征优化的绝缘子污秽等级识别技术。首先,对不同污秽等级的绝缘子样品的光谱图像进行背景分割,提取均匀覆污区像素点的光谱均值曲线;其次,对不同图像的光强均匀度差异、环境噪声进行预处理,并通过对数变换提升不同污秽等级间的可区分性;再次,对预处理后的光谱曲线进行小波包能量谱特征提取;最后,基于所提特征建立基于支持向量机(SVM)的污秽等级识别模型。实验结果表明,相比于采用全波段数据或主成分分析(PCA)特征数据作为输入,基于小波包能量谱特征建立的SVM污秽等级识别模型对样品识别准确率更高,可以达到99.8%。; 沈龙钱国超彭兆裕李谦慧杨坤马御棠; 关键词：小波包能量谱

全选清除导出

共1页<1>

杨坤