半导体白激光作为水下成像系统光源与单色激光、LED白光的对比成像实验

为了解决现阶段开展水下探测工作时存在的照明距离短、光谱范围窄等问题,建立了水下半导体白激光成像系统,并对该系统在不同光源及不同条件下采集图像的质量进行分析。将基于红绿蓝(RGB)三基色半导体激光器合成的功率为220 mW、色温为6 469 K的白激光作为水下照明光源,分别与红、绿、蓝三种单色激光及LED白光光源在不同条件下的水下成像效果进行对比。对于不同水下光源采集的图像,使用不同算法对其进行处理、分析及质量评价。实验结果表明:半导体白激光作为水下光源,采集的图像不仅在细节信息及结构完整性上优于LED白光光源,同时在目标物色彩还原度以及边缘特征信息完整度方面也优于单色激光。半导体白激光具有能量集中、显色性强、光照度高的优势,其光源性能可满足水下低照度的成像要求,在相同的成像系统及成像距离下可获得真实性更强、质感更好、目标物特征信息更多的图像。

湿热环境下复合绝缘子伞裙老化快速检测及评价技术研究

现有的复合绝缘子检测评价技术以离线方式为主,难以对大规模运行中绝缘子的老化程度开展快速、便捷的判断。本文提出一种基于高光谱技术的复合绝缘子表面老化程度快速检测及评级方法。首先通过比较老化复合绝缘子伞裙和基体的Si-O-Si、Si-CH_(3)傅里叶红外光谱吸收峰对老化程度进行分级,然后利用高光谱数据并结合SVM算法模型对绝缘子老化程度进行分类。结果表明:“轻度、中度、重度”老化分类的准确度为71.8%,“轻度、重度”分类的准确度为97.3%。通过强度阈值分割方法,可以从复合绝缘子图像中剔除污损区域,抽取出老化区域。

基于深度学习的波浪能发电功率预测

针对波浪能发电中波高和频率的强随机性所导致的发电功率输出不稳定性问题,提出利用波浪能发电功率的预测数据,辅助储能系统(物理储能和化学储能)准确动作以平抑其波动性。预测数据是基于长短期记忆网络(long-short term memory,LSTM)和BP神经网络相结合的波浪能发电功率预测方法预测得到的。利用南海某岛两年天气数据和245 d的波浪能发电功率数据进行实验,训练并测试3个预测时间跨度LSTM-BP模型。对某波浪能发电船的功率在不同时间跨度的情况进行预测,实验结果表明,利用LSTM-BP模型可以较好地实现波浪能发电输出功率预测。