-
公开(公告)号：CN109212392A
公开(公告)日：2019-01-15
申请号：CN201811114341.6
申请日：2018-09-25
Applicant: 上海交通大学 , 国网浙江省电力有限公司舟山供电公司
Abstract: 本发明公开了直流电缆局部放电缺陷故障的识别方法，包括步骤：(1)采集直流电缆的若干种绝缘缺陷放电模型的q-Δt-n局部放电信号图；(2)将q-Δt-n局部放电信号图进行归一化处理，以得到训练样本；(3)构建Caffe卷积神经网络；(4)采用训练样本训练Caffe卷积神经网络；(5)将待识别局部放电信号图输入经过训练的Caffe卷积神经网络中，获得识别结果。此外，本发明还公开了用于直流电缆局部放电缺陷故障识别的Caffe卷积神经网络。另外，本发明还公开了直流电缆局部放电缺陷故障的识别系统，包括：信号采集模块、预处理模块以及Caffe卷积神经网络。该识别方法进行直流电缆的故障识别，以保证供电可靠。
-
公开(公告)号：CN109164362B
公开(公告)日：2021-01-08
申请号：CN201811113943.X
申请日：2018-09-25
Applicant: 上海交通大学 , 国网浙江省电力有限公司舟山供电公司
IPC: G01R31/12
Abstract: 本发明公开了一种直流电缆局部放电缺陷故障的识别方法，其包括步骤：(1)采集直流电缆的若干种绝缘缺陷放电模型的局部放电脉冲波形信号；(2)提取局部放电脉冲波形信号的有效信息，以得到训练样本；(3)构建基于受限玻尔兹曼机的深度信念网络，采用训练样本对所述深度信念网络进行无监督训练，以得到网络参数；(4)对所述深度信念网络进行有监督训练，以优化网络参数；(5)将待识别局部放电脉冲波形信号输入经过训练的所述深度信念网络中，以从其输出获得识别结果。此外，本发明还公开了一种直流电缆局部放电缺陷故障的识别系统，包括：信号采集模块、预处理模块以及信号处理模块。直流电缆局部放电缺陷故障的识别方法及系统准确率高。
-
公开(公告)号：CN109164362A
公开(公告)日：2019-01-08
申请号：CN201811113943.X
申请日：2018-09-25
Applicant: 上海交通大学 , 国网浙江省电力有限公司舟山供电公司
IPC: G01R31/12
CPC classification number: G01R31/1272
Abstract: 本发明公开了一种直流电缆局部放电缺陷故障的识别方法，其包括步骤：(1)采集直流电缆的若干种绝缘缺陷放电模型的局部放电脉冲波形信号；(2)提取局部放电脉冲波形信号的有效信息，以得到训练样本；(3)构建基于受限玻尔兹曼机的深度信念网络，采用训练样本对所述深度信念网络进行无监督训练，以得到网络参数；(4)对所述深度信念网络进行有监督训练，以优化网络参数；(5)将待识别局部放电脉冲波形信号输入经过训练的所述深度信念网络中，以从其输出获得识别结果。此外，本发明还公开了一种直流电缆局部放电缺陷故障的识别系统，包括：信号采集模块、预处理模块以及信号处理模块。直流电缆局部放电缺陷故障的识别方法及系统准确率高。
-
公开(公告)号：CN109212392B
公开(公告)日：2021-01-08
申请号：CN201811114341.6
申请日：2018-09-25
Applicant: 上海交通大学 , 国网浙江省电力有限公司舟山供电公司
Abstract: 本发明公开了直流电缆局部放电缺陷故障的识别方法，包括步骤：(1)采集直流电缆的若干种绝缘缺陷放电模型的q‑Δt‑n局部放电信号图；(2)将q‑Δt‑n局部放电信号图进行归一化处理，以得到训练样本；(3)构建Caffe卷积神经网络；(4)采用训练样本训练Caffe卷积神经网络；(5)将待识别局部放电信号图输入经过训练的Caffe卷积神经网络中，获得识别结果。此外，本发明还公开了用于直流电缆局部放电缺陷故障识别的Caffe卷积神经网络。另外，本发明还公开了直流电缆局部放电缺陷故障的识别系统，包括：信号采集模块、预处理模块以及Caffe卷积神经网络。该识别方法进行直流电缆的故障识别，以保证供电可靠。
-
公开(公告)号：CN110008964A
公开(公告)日：2019-07-12
申请号：CN201910241551.X
申请日：2019-03-28
Applicant: 上海交通大学 , 上海交通大学烟台信息技术研究院
IPC: G06K9/46
Abstract: 本发明公开了一种高效的异源图像的角点特征提取与描述方法，对于特征相似度较低的异源图像，先采用FAST方法提取图像中的结构性特征较为显著的角点，再采用PIIFD特征描述符考虑异源图像的梯度翻转效应，对角点特征进行统一的描述。本发明技术解决方案简单，鲁棒性高，实用性强，不易受图像品质的影响，能克服异源图像特征差异较大、特征较为模糊、图像噪声干扰较大等问题，可以很好地解决目前主要特征提取方法在处理异源图像时特征提取准确率低、特征显著性低、计算复杂度高、可靠性差的问题。
-
Patent Agency Ranking
公开(公告)号：CN110009670A
公开(公告)日：2019-07-12
申请号：CN201910241541.6
申请日：2019-03-28
Applicant: 上海交通大学 , 上海交通大学烟台信息技术研究院
IPC: G06T7/33
Abstract: 本发明公开了一种基于FAST特征提取和PIIFD特征描述的异源图像配准方法，通过FAST特征提取、PIIFD特征描述、最近邻比例阈值粗匹配、RANSAC错配剔除、最小二乘法仿射变换计算，能够得到异源图像之间的空间变换关系。本发明技术解决方案流程完善，鲁棒性高，实用性强，不易受异源图像品质的影响，能克服图像背景等因素对特征提取的干扰，可以很好地解决目前异源图像配准精度低、误差大、速度慢等问题。
-
公开(公告)号：CN110009583A
公开(公告)日：2019-07-12
申请号：CN201910241548.8
申请日：2019-03-28
Applicant: 上海交通大学 , 上海交通大学烟台信息技术研究院
Abstract: 本发明公开了一种基于灰度均衡和NSCT分解的红外图像预处理方法，对于工业设备的红外图像，对其灰度图像进行灰度均衡调整灰度分布，再采用NSCT分解进行一级分解，选用噪声较小的低频子带图像作为预处理方法的输出。本发明技术解决方案简单，鲁棒性高，实用性强，能够显著提高红外图像品质，能克服图像背景等噪声的干扰，可以很好地增强红外图像的整体特征和局部特征。
-
公开(公告)号：CN110009026A
公开(公告)日：2019-07-12
申请号：CN201910241540.1
申请日：2019-03-28
Applicant: 上海交通大学 , 上海交通大学烟台信息技术研究院
Abstract: 本发明公开了一种基于FDST和双通道PCNN的异源图像融合方法，对多传感器的异源图像，先采用FDST工具将原始图像分解到多个尺度上，再对低频子带通过简单加权平均的方式进行融合，对高频子带通过双通道PCNN进行融合，最后通过FDST反变换得到融合图像。本发明技术解决方案简单，鲁棒性高，实用性强，能够很好地保持原始图像中的细节信息，增强异源图像信息在融合图像中表达的一致性，提升融合图像的质量，可以很好地解决目前异源图像融合方法性能不稳定、效率低下、部分特征缺失、意外引入瑕疵等问题。
-
公开(公告)号：CN119810584A
公开(公告)日：2025-04-11
申请号：CN202411741689.3
申请日：2024-11-29
Applicant: 南方电网科学研究院有限责任公司 , 上海交通大学 , 中国南方电网有限责任公司
IPC: G06V10/774 , G06V10/764 , G06V10/82
Abstract: 本申请涉及一种基于工况预测模型的分接开关操动机构工况预测方法、装置、计算机设备、存储介质和计算机程序产品。该方法包括：将样本分接开关操动机构的样本图像信息输入至待训练的工况预测模型，得到样本分接开关操动机构的预测运动信息；通过待训练的工况预测模型，基于预测运动信息，确定出样本分接开关操动机构的预测工况信息；根据预测运动信息与预测工况信息，对待训练的工况预测模型进行迭代训练，得到训练完成的工况预测模型；获取待分析分接开关操动机构的待分析图像信息，将待分析图像信息输入至训练完成的工况预测模型，得到待分析分接开关操动机构的目标工况信息。采用本方法，能够提高分接开关操动机构的工况预测准确度。
-
公开(公告)号：CN115176274B
公开(公告)日：2025-01-28
申请号：CN202080097152.1
申请日：2020-06-08
Applicant: 上海交通大学
IPC: G06F17/00
Abstract: 本发明公开了一种异源图像配准方法及系统，包括，利用Canny边缘检测算子对采集的图像进行边缘检测，结合曲率尺度空间策略提取边缘图像中的轮廓曲线段；基于全局和局部曲率的特征点检测策略检测轮廓曲线段中的特征点，分别得到特征点指向轮廓起点和终点方向的最近局部曲率极小值；根据局部曲率极小值计算邻域采样点数和特征点两侧邻域的邻域辅助特征点利用邻域辅助特征点与特征点构成特征三角形并计算特征三角形中特征点对应的角平分线向量和主方向；主方向指向特征点轮廓的凹侧，完成主方向分配。本发明方法具有显著性、精准性，对电力设备的图像配准场景具有较高的适应性。
-
-
-
-
-
-
-
-
-
Search Results
481
records
(took 0.086 seconds)
