基于改进YOLOX网络的雾天绝缘子缺陷检测

绝缘子作为输电线路中重要的元器件,对绝缘子缺陷的识别和定位在电网巡检方面有重要意义。为了对雾天情况下绝缘子状态进行准确定位识别,改进了YOLOX目标检测网络。首先,为了加快网络的训练速度,改进了激活函数;其次,为了解决小目标样本相较于整体样本较少和样本不均衡的问题,改进了图像增强方法和损失函数;最后,将改进的YOLOX网络在数据集上与4种目标检测网络进行比较。实验结果表明,在雾天数据集上,改进后YOLOX的准确度、平均准确率和每秒处理图片张数都有一定提升,符合无人机巡检的要求。

一种改进的Otsu红外林火图像提取方法研究

由于采集到的红外林火图像信噪比较低,现有的算法很难在提高信噪比的同时提取出红外目标图像。鉴于此,本文通过改进最大类间方差,构造合适的罚函数,将Otsu问题转化为求带约束条件的函数最优解问题,再通过迭代运算实现对林火目标的提取。实验结果表明,图像的噪声得到了有效地去除,同时较准确地提取出了林火目标,是一种比较稳健的目标提取算法。

启发式神经网络在异步电机矢量控制速度估计中的应用

研究了三相感应电机矢量控制系统中的速度估计部分,引入了BP神经网络进行预测控制.在分析其数学模型之后,针对神经网络输入与输出频率存在的不匹配情况,通过改进BP神经网络解决黑箱问题时的输入参数,使用启发式算法对网络的输入参数进行预处理,取代了以电机定子电压电流参数作为训练输入的方法.仿真研究表明,该改进方法具有良好的跟踪性能与静动态性能,且具有更小的超调量.

基于改进YOLOv5的太阳能电池片表面缺陷检测

针对传统视觉方法的太阳能电池片表面缺陷检测效率低、种类少的问题,提出一种能高效识别太阳能电池片表面多种缺陷的神经网络模型。首先在YOLOv5模型输入端改进了一种动态反馈多尺度训练的数据增强方法以提高特征训练精度;然后采用指数线性单元激活函数ELU替换主干网络中的激活函数,加快训练速度;最后通过一种聚焦的高效交叉联合损失函数优化边界框损失。试验结果表明,改进的模型能对太阳能电池片的多种表面缺陷进行有效识别,检测精度较高,耗时较少,对太阳能电池片表面质量规范有实际应用价值。

基于轻量化人工神经网络的PCB板缺陷检测

PCB板表面缺陷检测是其生产中重要的环节,针对当前目标检测模型在小型工业计算平台参数多,内存负荷大等问题,提出了一种轻量化YOLOv5的检测模型。首先在主干网络采用ShuffleNetV2结构取代Conv与C3结构;其次在FPN模块加入CEM和AM模块,解决特征提取中分辨率与感受野不合的问题。最后使用PReLU激活函数代替ReLU,防止神经元崩坏。实验结果表明,改进的算法参数减少91%,每s浮点运算次数减少70%,检测精度达到95%,能够在小型计算平台完成快速精确的PCB板表面缺陷检测。

基于光伏并网系统的单相SOGI-PLL技术研究

针对光伏并网系统中传统SOGI-PLL在运行时因电网电压出现波动而导致输出角频率中含有基波二倍频谐波的问题,在分析二阶广义积分器锁相环的原理和结构的基础上,采用前馈滤波器消除电网电压计算和AD采样延时,并在环路滤波器前引入改进的陷波滤波器来消除二倍频谐波。Matlab仿真结果表明该改进的控制策略能有效地衰减前馈电网电压引起的谐波,并在电网频率跳变的非理想电压情况下快速锁定电压相位、保持良好的锁相精度,能进一步改善光伏并网逆变系统的控制效果。

模型预测控制在光伏并网逆变器中的应用

针对光伏并网逆变器中电流环采用模型预测控制计算量大导致的延时问题,以三相光伏并网逆变器的离散化数学模型为预测模型,在dq坐标系下,对并网电流进行两步预测,当前时刻选定的电压矢量为上一时刻的第二步预测值,根据代价函数进行最优化求解,具有计算量小的特点。仿真结果表明,采用改进的模型预测控制与传统模型预测控制相比,能有效提高光伏系统电流环的动态性能,并显著减小并网电流谐波。

基于EfficientDet和双目摄像头的绝缘子缺陷检测

绝缘子是输电线路重要的组成部件,带有缺陷的绝缘子会对线路造成隐患,通过图像检测技术可以提高绝缘子缺陷检测的效率,大大减小维护成本。但现有的绝缘子缺陷检测技术有精度不高和检测时间过长等缺点,针对这一问题,提出了基于EfficientDet和双目摄像头的绝缘子缺陷检测方法,首先通过双目摄像头设计了一种数据集采集的方法,解决了目前开源数据集不充分的问题;其次通过前置一个带标签的分类先行算法解决了EfficientDet占用资源过多的问题;最后将提出的算法与3种传统绝缘子缺陷检测算法进行比较,发现提出算法的mAP(平均精度均值)为50.04,优于其他3种算法,绝缘子识别定位准确率达95%以上,缺陷识别定位准确率达90%以上,具有较好的效率与实用性。

复杂微电网控制中的随机博弈与优化研究

由大量分布式能源、储能设备以及动态负荷集成的复杂微电网,具有出力-负荷双随机特性。旨在结合随机博弈优化理论,讨论综合能源微电网中的各种决策和优化控制问题。首先,分析了未来复杂微电网的特点和体系结构;其次,重点阐述了综合能源微电网中多种决策群体的博弈形式和交互方式;然后,基于微电网不同的拓扑结构和群体的随机特性,归纳了影响网络博弈的主要因素;最后,给出一种随机博弈优化策略及其控制方法架构。通过深入探讨不同形式下的微电网同步、稳定性及博弈优化等关键问题,为进一步促进清洁能源消纳和供需互动、维护电网稳定提供了新的思路。

基于改进YOLOv5神经网络的绝缘子缺陷检测方法

针对目前无人机航拍的绝缘子图像数据集中缺陷绝缘子样本数量较少的问题,提出一种融合图像数据集制作方法;同时针对绝缘子缺陷检测准确率低且检测网络参数量和计算量大的问题,提出一种改进的YOLOv5神经网络用于绝缘子的缺陷检测。首先采用无人机拍摄真实背景下绝缘子图像,然后借助机器人搭载双目相机和工业相机制作融合图像数据集,以平衡数据集正负样本比例,最后用神经网络对两种方式采集的数据集训练和验证。实验结果显示,采用GhostNet模块改进的YOLOv5网络缺陷检测mAP达98.43%,相比于未改进的YOLOv5网络mAP提高了6.02%,且通过机器人制作的绝缘子融合图像数据集具有与无人机拍摄的真实背景数据集相同的效果。因此,改进的YOLOv5神经网络能满足绝缘子缺陷检测要求。

一种改进Faster R-CNN的太阳能电池片缺陷检测方法

针对传统太阳能电池片检测方法中检测时间过长,检测精度不高等缺点,提出了一种改进Faster R-CNN的太阳能电池片缺陷检测方法。以Faster R-CNN为框架,以ResNet50为网络主干,针对小目标缺陷,融入了基于FPN的多尺度检测网络,并应用了GA-RPN结构,实现对太阳能电池片缺陷的检测。实验结果表明,较原始的Faster R-CNN算法,所提出的针对太阳能电池片表面缺陷检测方法的均值平均精度提高了6%,检测时间也有所提升。