基于DCGAN数据集增强的ECT系统流型识别技术改进

基于电容层析成像(electrical capacitance tomography,ECT)系统的流型识别技术具有非侵入性和可视化的优点,被广泛应用于各种工业过程的动态测量中。为提高ECT系统的流型识别准确率,基于神经网络模型的识别算法被广泛应用,但ECT系统难以获得大量实测样本,从而导致识别准确率低、模型泛化性差。针对这一问题,该文采用了基于深度卷积生成对抗网络(DCGAN)的数据集扩增方法,利用经过预处理的LSSVM方法重建所得的图像,搭建基于DCGAN的流型图像生成模型进行实验,并利用GAN-train和GAN-test两个客观指标对生成图像进行评价,之后使用扩增后的数据集进行基于YOLOv3的流型识别。实验结果表明,利用DCGAN方法能够有效扩增原有数据集,生成图像准确度高、丰富性强,配合YOLOv3的目标检测算法,可以对ECT系统的流型识别准确率提升有较大程度的改进。

基于现场信号仿真技术的电流互感器误差测试技术研究

针对在计量用低压电流互感器的误差检测中,传统测量方法无法模拟现场实际工况的问题,提出一种基于现场信号仿真技术的电流互感器误差测试方法,并采用实验对其进行验证。首先,将基于高速录波技术,所提取的现场实际工况波形及特征信号,进行数字化分解;然后,利用程控电压源与程控电子负载,搭建信号仿真测试平台,复现现场工况波形,对被试电流互感器进行误差测试,并分解、整理所用波形,形成电流互感器运行误差测试波形库。最后,利用波形库中特征波形,对电流互感器进行误差检测。