基于深度度量学习的强泛化开关仪表识别算法

针对电厂开关检测方法无法应对现实开集环境,对稀有类别识别准确率低的现状,将目标识别问题转化为相似性度量问题,并提出新算法。新算法基于深度度量学习的三元组网络,利用加入SE Block的ResNet-18提取特征,并利用跨批次挖掘增强学习效果。为评估算法性能,创建了一个包含3300张开关图片的数据集,并使用新算法在该数据集上进行了闭集测试、开集测试、小样本测试。结果表明:新算法在闭集状态下具有良好的区分能力,不仅能准确识别训练集中的类别,还能有效区分训练时未遇到的及出现频率较低的状态。由此表明,该算法不仅适用于现实世界的开集环境,而且能显著提升对小样本数据的识别精度。

三联体高压隔离开关自力型触指结构优化及成形模具设计

Cu-Cr合金的强度、刚度优于紫铜,是高压开关自力型触指零件优先选择的新型材料,目前仍有不少自力型触指结构沿用传统紫铜材料下的结构,没有发挥新型材料的优势。文章以三联体自力型触指为研究对象,以新型Cu-Cr合金材料性能参数为依据,采用有限元数值模拟进行结构分析和参数敏度分析,确定影响触指结构的关键参数为触指的厚度,继而对自力型触指的结构参数进行优化;根据优化后的零件结构设计了精密成形模具,生产出合格制件。经比较表明,优化后触指最大等效应力为315.37MPa,最大剪切应力为181.24MPa,最大变形为2.55mm,满足使用要求;优化后触指厚度由传统紫铜材料的5mm降低为3.43mm,较传统紫铜材料减重达30%。