基于MeanShift原理改进的一种视觉跟踪算法

    公开(公告)号:CN109919970A

    公开(公告)日:2019-06-21

    申请号:CN201711318892.X

    申请日:2017-12-12

    Inventor: 范盛荣

    Abstract: 本发明公开了一种基于Mean Shift原理改进的一种视觉跟踪算法。目前视觉跟踪问题方法主要分为确定性跟踪方法和概率跟踪方法。确定性跟踪方法计算效率高,能够满足对实时性要求较高的应用,并且依赖的参数较少;以粒子滤波为代表的概率跟踪方法能够较好地处理非线性非高斯问题,鲁棒性较强。针对常用的mean shift跟踪算法无法利用目标的空间信息导致跟踪不准确并且无法解决遮挡等问题,本发明给出目标与候选目标的相似性度量函数,并基于此推导出了类Mean Shift迭代算法。发明提出了“微分结构相似度”的视觉跟踪方法。并推导其关于目标状态(位置和大小)的梯度,及基于Steepest Ascent最优化方法。

    基于深度学习的变压器,机械振动带电采集处理装置

    公开(公告)号:CN110737867A

    公开(公告)日:2020-01-31

    申请号:CN201810794354.6

    申请日:2018-07-19

    Inventor: 范盛荣

    Abstract: 本发明公开一种通过深度学习来判断变压器铁心,绕组及附件机械振动状态的装置。变压器绕组,铁心及附件的振动极其复杂,不同厂家,不同结构,甚至同一个厂家,不同批次的变压器,在振动特性上都有差异。变压器铁心,绕组及附件的状态,直接关系到变压器安全运行。同时考虑到大型变压器无法停电进行检测的特点,如何在带电状态下采集特定参数并获取内部结构状态,是非常必要的。利用带深度学习功能的大数据分析方法,提取了变压器运行中振动中带有的特征量,通过前期与离线结果的对比,经过通分测试验证,提出了变压器振动状态带电检测装置,可以比较好的解决变压器不停电检测绕组,铁心及附件状态的装置及算法,可靠性达到95%以上。

    一种自适应于2绕组和3绕组的在线电抗测量装置

    公开(公告)号:CN107782971A

    公开(公告)日:2018-03-09

    申请号:CN201610749067.4

    申请日:2016-08-29

    Inventor: 范盛荣

    CPC classification number: G01R27/08

    Abstract: 本发明公开了一种自适应于2绕组和3绕组的在线电抗测量装置。目前变压器绕组电抗测量是通过离线方法,间接算出电抗。这种方式不能实现在线测量,用法复杂,效率很低。另外这种方法没有考虑到实际运行中电压、频率、负载不均衡、励磁、绝缘性能等参数对电抗的影响。电抗值与变压器绕组物理结构有直接关系,通过获取的电抗值,准确把握当前变压器绕组的运行状态。本发明全面考虑了运行中的各种因素及离线环境,提出一种新型计算方法。该方法可以兼顾在线及离线工况,分析运行中其他因素对计算值的影响。试验证明该装置可以计算出各种工况下电抗值。装置能够及时发现110KV及以上变压器绕组运行状态,避免设备带病运行,保障电力部门安全生产。

    一种优化的振弦采集仪扫频激振方法

    公开(公告)号:CN110702150A

    公开(公告)日:2020-01-17

    申请号:CN201910965325.6

    申请日:2019-10-11

    Abstract: 本发明公开了一种优化的振弦采集仪扫频激振方法。该方法包括:步骤一:预扫频激振阶段,首先设置预扫频激振范围和脉冲序列递增步长,再发送预扫频激振脉冲序列后进行拾振测频,根据测频数据检验振弦是否被可靠激振,若是则获取传感器共振频率,进入第二步,若否做错误处理;步骤二:复扫频激振阶段,根据预扫频激振的测频数据设置复扫频激振范围和脉冲序列递增步长,在发送复扫频激振脉冲序列后进行拾振测频,并根据测频数据检验振弦是否被可靠激振,若是则返回测振频率,若否则做错误处理。本发明方法基于反馈策略提出,采用本方法可以实现在传感器工作参数未知情况下的自适应扫频激振,方法可靠,结果准确。

Patent Agency Ranking