基于弹性算法的矢量场可视化方法的研究

分析了二维非稳定场的可视化方法(Unsteady flow Line Integral Convolution,UFLIC),并针对其产生每帧图像费时较多的缺陷,进行了改进。采用弹性算法来控制种子的释放,通过重用、复制相关迹线来减少迹线的积分计算,达到减少生成每帧图像所需的时间的效果。实验证明在生成的图像质量相当的前提下,种子控制算法比UFLIC算法更快。

非侵入式负荷识别的电流序列可视化方法

以单一特征为标签的用电设备识别,因特征携带的信息量不足,在区分性质相似的负荷时易产生误判,为此,提出一种将电流序列编码为图像的二维可视化方法,通过计算机视觉技术对负荷进行分类识别。利用Fryze功率理论提取电流的非有功分量,通过格拉姆角场(GAF)将一维电流序列转换成二维图像,借助数据扩充的方式进行升维,并赋予矩阵颜色特征来提升负荷标签的辨识度;基于迁移学习的思想,利用预训练模型Inception_v3提取并学习GAF图像特征,并以该特征为标签对负荷类型进行分类识别。在2个公开数据集上的实验验证了所提方法在高频采集场景下的准确性和有效性。