基于注意力机制的人体姿态估计网络

针对目前复杂的人体姿态估计网络参数量大、计算成本高以及读者对算法的理解分析难度大等问题,提出了一种基于注意力机制的人体姿态估计网络。该网络使用结构简单的编码器、解码器来预测人体关节点热图。为了使编码层提取的特征更具代表性,在编码层中加入了通道注意力机制,该操作在降低模型复杂度的同时保证了其预测精度。解码层采用多个反卷积模块得到最终的预测结果。算法模型在两个数据集(MPⅡ和COCO)上进行验证,在MPⅡ数据集上PCKh@0.5达到89%;在COCO数据集上,与CBA对比,虽然AP略低0.2个百分点,但单张图片推理速度提升了10.1 ms。实验结果表明,所提方法能够有效检测出人体关节点,并且优于各种先进的姿态估计方法。

一种考虑经济最优的虚拟电厂系统

大规模、高比例的分布式能源和储能接入电网,极大地增加了电网的运行风险。虚拟电厂能够整合各种分布式电源、负荷和储能资源,参与电力的供需调节。基于物联网的应用场景,开发了一套支持边缘计算的虚拟电厂系统,提出了一种考虑储能、光伏发电和浮动电价的经济最优化模型,并通过两个案例验证了解决方案的有效性。与传统的虚拟电厂系统相比,该解决方案具有即插即用物联网的特性,并支持接入外部市场数据,具有灵活的操作性和扩展性。

基于区块链技术的碳排放辅助管理平台研究

随着经济全球化进程的不断提速,化石能源的使用数量不断上升,这也引发了温室气体排放过度,加速了全球气候变暖进程,严重危害了人类的正常生存。为了有效解决这类问题,我国构建并完善了碳交易技术中心,制定并落实了碳排放权交易制度,但由于受到各类因素的影响,交易主体缺乏充分的参与积极性,使得交易主体碳排放权供需关系出现了偏差。作为金融领域应用较为广泛的区块链技术,将其应用于电力能源领域能够有效解决上述问题。基于此,对区块链技术进行了概述,并详细介绍了区块链技术支持下的碳排放辅助管理平台,旨在为控制碳排放提供理论上的支持。

基于知识蒸馏的轻量级人体姿态估计网络设计

随着卷积神经网络迅速发展,人们通过设计复杂的模型来解决姿态估计问题。为提高运行效率,提出利用知识蒸馏将大型网络的知识转移到紧凑型网络中。首先训练一个深层次的姿态估计教师网络,然后利用教师网络预测得到的概率热图作为学生网络的标签,指导学生网络完成姿态估计。学生网络是一个轻量级的姿态估计网络,它可以学习教师网络的姿态结构知识,并且训练时间远低于教师网络,能够在计算资源不足的情况下训练学生网络。

小电流接地系统的零序压变极性反接在不同故障下的状态分析

以四压变接线错误中的零序压变极性反接为例,阐述引入零序压变阻抗比参数,建立不同类型电网故障下的四压变电压分布数学模型,推导在零序压变极性正、反接时的压变二次电压表达式,对比总结错误接线时的输出电压特征,通过搭建实验平台进一步验证理论分析的正确性。

基于鲁棒迭代学习的四旋翼无人机轨迹跟踪

针对四旋翼无人机高精度轨迹跟踪问题,充分考虑外部扰动等因素,提出了一种带遗忘因子的基于可变增益的前馈-反馈鲁棒迭代学习控制算法。其中,前馈迭代学习控制器采用选择迭代学习方案,弥补了传统的基于遗忘因子迭代学习控制方法的不足,且控制器学习增益可随迭代变化,可以加快算法的收敛性。反馈控制器采用比例-微分控制器,可以保持系统稳定并且加快跟踪误差收敛速度。最后通过收敛性分析和四旋翼仿真试验验证了所提出算法的有效性,所设计算法具有很好的鲁棒性和较高精度。