基于深度学习的输电线路目标检测

针对目前基于深度学习的输电线路目标检测存在的小目标特征提取能力较差、易出现误检漏检、检测精度较低、检测速度较慢等问题,提出了一种基于改进深度学习神经网络模型YOLOv7的目标检测方法。首先使用MobileNetV2网络作为YOLOv7的特征提取部分,实现模型的轻量化处理;其次引入注意力(coordinate attention,CA)机制和空洞金字塔池化(atrous spatial pyramid pooling,ASPP)模块来提高模型的精度和感知能力;最后利用建立的输电线路障碍物数据集来训练改进的YOLOv7网络模型,并与原有YOLOv7网络模型进行对比。结果表明,算法在准确率、召回率上显著提升,可满足复杂场景下的输电线路故障检测,更利于模型的嵌入式系统硬件实现。

基于LabVIEW的导线自动压接智能控制系统

针对目前传统人工导线压接存在压接时间长、压接精度低等问题,设计一种新型自动输电导线压接系统。该系统以STM32单片机为主控制器,可实现导线的自动移动、自动压接、自动测量功能。为解决自动压接系统存在的非线性、参数时变性且易受外界环境干扰等问题,设计一种基于LabVIEW的模糊PID智能压接控制系统。实验结果表明,设计的导线自动压接智能控制系统具有超调量小、响应速度快、控制精度高的特点,极大提高了生产效率和操作安全性,可为输电导线自动压接系统的实际工程应用提供技术支持。

输电线路导线自动化压接系统设计

输电线路导线压接质量直接影响后期电网线路长期安全运行,目前施工现场导线压接主要采用人工方式进行,压接质量完全取决于压接工人的经验和技术水平,存在劳动强度大、操作烦琐、压接和测量尺寸不准确、可控性差等问题。在传统的导线压接技术基础上开发一种以欧姆龙CP1E可编程逻辑控制器(PLC)为主控器,以PID为核心控制算法的自动化数字导线压接系统,操作人员只需要在压接前输入预设条件即可自动准确压接。实验结果表明,相较于传统导线压接,设计的自动化压接系统可实现压钳的自动移动,压接后导线尺寸的自动检测,压接过程数据的自动显示、保存,压接压力和导线移动距离自动调整等功能,不仅便于操作,方便维护,还能够节省劳力、提高生产效率和工程质量。