检索结果-南通市图书馆

基于多维度信息融合的实用型变压器故障诊断专家系统

在线全文

学校读者我要写书评

暂无评论

中国电力 2017年第1期50卷 85-91页

作者：徐阳谢天喜周志成陆云才李建生曹健蒋超国网江苏省电力公司电力科学研究院江苏南京211103 国网江苏省电力公司检修分公司无锡分部江苏无锡214101 江苏方天电力技术有限公司江苏南京211106

针对由于变压器结构复杂而导致其故障诊断的快速准确判断越来越依赖于大量信息的融合处理的情况,建立了基于多维度信息融合的实用型电力变压器故障诊断专家系统。首先分析多维度信息融合模型结构,给出基于因子分析计算各维度信息融合权... 详细信息

针对由于变压器结构复杂而导致其故障诊断的快速准确判断越来越依赖于大量信息的融合处理的情况,建立了基于多维度信息融合的实用型电力变压器故障诊断专家系统。首先分析多维度信息融合模型结构,给出基于因子分析计算各维度信息融合权重的方法,再构建基于多维度信息融合的专家系统,分析该专家系统的诊断流程,对多维度信息的识别、选择和判断进行了研究,最后结合110 k V变压器案例进行验证。结果表明,该专家系统逻辑简单、诊断精度高、诊断快速,可嵌入智能终端装置,为现场工作人员提供智能专家诊断。

关键词：多维度信息融合专家系统电力变压器故障诊断因子分析

船载HFSWR船只目标多维样本库构建方案设计

在线全文

学校读者我要写书评

暂无评论

实验技术与管理 2025年

作者：纪永刚任继红李发瑞李桃利王佳伟中国石油大学(华东)海洋与空间信息学院自然资源部海上丝路海洋资源环境组网观测技术创新中心

深度学习方法在船载高频地波雷达（HF surface wave radar，HFSWR）船只目标检测中得到应用，然而其成功的关键在于构建精准全面的目标样本库。当前基于距离-多普勒（range-Doppler，RD）谱检测结果的单一维度样本库不完备，限制了模型... 详细信息

深度学习方法在船载高频地波雷达（HF surface wave radar，HFSWR）船只目标检测中得到应用，然而其成功的关键在于构建精准全面的目标样本库。当前基于距离-多普勒（range-Doppler，RD）谱检测结果的单一维度样本库不完备，限制了模型的学习效果。为解决该问题，该文设计了一种船载HFSWR目标样本库构建方案，包含3个维度：①基于RD谱的检测结果结合自动识别系统（Automatic Identification System，AIS）验证RD维度；②基于多帧航迹段识别RT（range–time）/DT（Doppler-time）维度；③基于时频分析检测TF（time-frequency）维度。通过对3个维度的匹配和重合目标筛除以构建样本集。最后，利用实测数据构建的目标样本库对基于U-Net的目标检测网络进行训练和测试，结果表明该样本库可满足基于深度学习的目标检测模型训练需求。

关键词：船载HFSWR 船只目标检测多维度信息融合目标样本库构建深度学习

基于深度置信网络和多维信息融合的变压器故障诊断方法

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

电力工程技术 2019年第6期38卷 16-23页

作者：刘文泽张俊邓焱华南理工大学电力学院

为了综合多维度信息,快速准确判断变压器缺陷,同时解决多维度信息融合权重难以确定的问题,文中基于深度学习理论,采用稀疏受限玻尔兹曼机搭建了用于故障诊断的深度学习故障分类模型,结合大型变压器的多维度监测量,提出了一种基于深度置... 详细信息

为了综合多维度信息,快速准确判断变压器缺陷,同时解决多维度信息融合权重难以确定的问题,文中基于深度学习理论,采用稀疏受限玻尔兹曼机搭建了用于故障诊断的深度学习故障分类模型,结合大型变压器的多维度监测量,提出了一种基于深度置信网络和多维度信息融合的变压器故障诊断方法。该方法能够利用变压器海量的无标签多维监测数据作为学习样本,只需对少量带标签数据进行辅助优化,根据变压器实时在线多维监测数据,被训练后的模型能够对变压器本体状态做出准确的故障诊断。对某市220 kV主变进行诊断测试,结果表明,文中提出方法的故障诊断准确率较现有方法高约4%,验证了该方法的可行性和有效性。

关键词：电力变压器多维度信息融合故障诊断深度置信网络稀疏受限玻尔兹曼机

在线全文

学校读者我要写书评

暂无评论

移动智能体多源信息融合感知方法研究

移动智能体多源信息融合感知方法研究

作者：梁晓栋中国民航大学

学位级别：硕士

近年来,随着计算机算力的提升以及传感器的轻量化发展,移动智能体可使用的算力资源以及可搭载的传感器设备逐渐增多,利用多种传感器实现移动智能体对自身以及周围环境的精准感知已成为现实。由此衍生出的多源信息融合SLAM技术在近十年... 详细信息

近年来,随着计算机算力的提升以及传感器的轻量化发展,移动智能体可使用的算力资源以及可搭载的传感器设备逐渐增多,利用多种传感器实现移动智能体对自身以及周围环境的精准感知已成为现实。由此衍生出的多源信息融合SLAM技术在近十年来得到了许多研究人员的重视。目前,多源信息融合SLAM技术主要包括对多种传感器数据、多特征信息以及多维度信息的融合。该技术在近年来有了较多优秀的研究成果,这些成果大多将定位精度与建图效果作为主要的研究目标,而较少考虑整个算法运行过程中的算力需求。鉴于目前基于多传感器数据融合的SLAM技术已有多项优秀研究成果,因此本文的两部分工作在多传感器数据融合的基础上分别从多特征信息融合和多维度信息融合两个层面对现有的SLAM算法进行了改进,在保证定位精度和建图效果的同时,实现降低算力需求的总体目标。第一部分工作是在激光惯性SLAM方案LIO-SAM基础上开展的。作为当前表现最为优秀的激光SLAM方案之一,LIO-SAM凭借其精确的状态估计以及能够构建稠密的点云地图受到学界和业界好评。但因其采用优化的计算方法完成位姿的实时计算,使得该方案运行时对算力需求较大,尤其是当移动智能体搭载线束更多的激光雷达时,整个系统的算力需求会大幅增加。经过分析,LIO-SAM后端的雷达里程计模块运行时对算力需求最大,而前端提供的点云特征的质量和数量则直接决定了该模块运行时的算力需求。基于此,本文第三章全面改写了LIO-SAM方案中前端的点云特征提取节点,以一种新的点云特征提取方案取代传统方案。新的点云特征提取方案能够更充分地利用周围环境中的两种几何特征信息——边缘特征与平面特征信息。此外,同时也改进了LIOSAM关键帧的选取机制,以适应改进后的点云特征提取方案。最后在两个开源数据集的多种场景中对改进算法完成了试验验证,并从算力需求、位姿估计精度、建图效果三方面对改进算法的性能进行了评估。结果表明,改进算法在算力需求上有了明显下降,改进算法的位姿估计精度以及建图效果均有所提升。第二部分工作在对第三章异常实验结果分析的基础上,全面分析了LIO-SAM原有回环检测机制的不足,并在LIO-SAM的后继之作——激光视觉惯性SLAM方案LVISAM的基础上提出了一种高效的回环检测机制,该机制能够更为合理地将激光惯性模块与视觉惯性模块提供的两个维度的回环信息加以融合。本文将新的回环检测机制移植在LVI-SAM中,并通过相关实验验证了新的回环机制的性能。实验结果表明,新的回环检测机制能够有效降低原回环机制对系统定位精度的不利影响,并在一定程度上降低了系统的算力需求。总之,本文的研究从多特征信息融合以及多维度信息融合两个层面对现有的激光SLAM方案的点云特征提取模块以及回环模块做了部分改进工作,在不损失算法定位与建图性能的前提下,达到了降低算法运行时所需算力的基本目标。

关键词：移动智能体 SLAM 多特征信息融合多维度信息融合

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

多源融合SLAM的现状与挑战

中国图象图形学报 2022年第2期27卷 368-389页

作者：王金科左星星赵祥瑞吕佳俊刘勇浙江大学杭州310027

同时定位与地图构建(simultaneous localization and mapping,SLAM)技术在过去几十年中取得了惊人的进步,并在现实生活中实现了大规模的应用。由于精度和鲁棒性的不足,以及场景的复杂性,使用单一传感器(如相机、激光雷达)的SLAM系统往... 详细信息

同时定位与地图构建(simultaneous localization and mapping,SLAM)技术在过去几十年中取得了惊人的进步,并在现实生活中实现了大规模的应用。由于精度和鲁棒性的不足,以及场景的复杂性,使用单一传感器(如相机、激光雷达)的SLAM系统往往无法适应目标需求,故研究者们逐步探索并改进多源融合的SLAM解决方案。本文从3个层面回顾总结该领域的现有方法:1)多传感器融合(由两种及以上传感器组成的混合系统,如相机、激光雷达和惯性测量单元,可分为松耦合、紧耦合);2)多特征基元融合(点、线、面、其他高维几何特征等与直接法相结合);3)多维度信息融合(几何、语义、物理信息和深度神经网络的推理信息等相融合)。惯性测量单元和视觉、激光雷达的融合可以解决视觉里程计的漂移和尺度丢失问题,提高系统在非结构化或退化场景中的鲁棒性。此外,不同几何特征基元的融合,可以大大减少有效约束的程度,并可为自主导航任务提供更多的有用信息。另外,数据驱动下的基于深度学习的策略为SLAM系统开辟了新的道路。监督学习、无监督学习和混合监督学习等逐渐应用于SLAM系统的各个模块,如相对姿势估计、地图表示、闭环检测和后端优化等。学习方法与传统方法的结合将是提升SLAM系统性能的有效途径。本文分别对上述多源融合SLAM方法进行分析归纳,并指出其面临的挑战及未来发展方向。

关键词：同时定位与地图构建(SLAM) 多源融合多传感器融合多特征基元融合多维度信息融合

在线全文

学校读者我要写书评

暂无评论

基于深度学习的肺结节良恶性分类技术研究

基于深度学习的肺结节良恶性分类技术研究

作者：乔小雨重庆大学

学位级别：硕士

肺癌是全球发病率和死亡率最高的癌症,对人类生命健康造成了巨大的威胁。在对肺癌的诊治中亟需计算机辅助诊断技术辅助医生进行肺结节的良恶性分类。传统辅助诊断方法通过肺结节分割、特征提取、良恶性分类等步骤对肺结节进行自动诊断,... 详细信息

肺癌是全球发病率和死亡率最高的癌症,对人类生命健康造成了巨大的威胁。在对肺癌的诊治中亟需计算机辅助诊断技术辅助医生进行肺结节的良恶性分类。传统辅助诊断方法通过肺结节分割、特征提取、良恶性分类等步骤对肺结节进行自动诊断,但这类方法设计较为繁琐,分类准确率不高。在基于深度学习的方法中,多数方法设计二维卷积神经网络(CNN)自动对肺结节进行分类,取得了一定的效果,但这类方法在特征提取中无可避免地丢失了图像三维空间信息;基于三维CNN的方法又需要消耗大量的训练资源,导致网络难以训练。考虑到现有的研究存在的问题,本文创新性地提出了一种多维度信息融合的网络设计方法,通过融合二维和三维肺结节图像中提取的信息来优化肺结节良恶性分类效果,减少训练参数需求。基于该方法,本文设计了一个基于决策级融合的多维度信息融合网络(MDF-Net)和一个多级输出的多维度信息融合网络(Mo MDF-Net)。在MDF-Net中,二维子网络使用多个共享参数的预训练Dense Net逐层微调来对不同视角提取到的肺结节二维切片提取特征,同时在三维子网络中从头设计三维Dense Net并用来对横截面的三维的肺结节切块提取特征。本文设计了一个注意力模块对子网络的信息进行决策级别的精细融合,输出最终的分类结果。在Mo MDF-Net中,不同子网络进行输入级别的多尺度特征提取来提升分类效果。同时,在网络不同阶段,对网络提取到的包含不同级别语义信息的特征图进行融合,输入不同的分类器来输出中间预测,缓解深度网络容易陷入局部最小的问题,通过均值法计算最终的良恶性预测。实验结果表明,本文提出的多维度信息融合的网络设计方式,有效地解决了肺结节良恶性分类问题,获得了比单独的二维和三维神经网络设计方式更好的分类效果,此外,与三维卷积神经网络相比,本文提出的网络需要的训练参数更少。

关键词：深度学习卷积神经网络肺结节分类多维度信息融合计算机辅助诊断