基于谐波特征矩阵的负载识别

给出一种基于电流谐波特性矩阵的负载识别方法,并利用二进制数独立不重复的特性,给出了求多个数据随机组合计算值的算法。此方法首先采样计算各单一负载的谐波特性,利用随机组合计算算法得到各种负载组合后的谐波特性矩阵。之后实时地计算当前电网中的电流谐波值,并将此值与谐波特性矩阵中的数据进行比对,与吻合数据对应的负载即为当前工作在电网中的负载。此方法在试验中取得了很好的效果。     

基于模态分析的牵引供电系统谐波谐振过电压研究

针对高铁牵引供电系统的谐振过电压问题,通过分析其谐波特性,综合考虑线路集肤效应及分布参数的特性,研究由接触网、馈线、钢轨回路(包括大地)、回流导线以及牵引变电所至接触网的馈电线等构成的牵引网的参数计算方法,建立牵引网线路等效模型,使用该模型计算牵引网线路参数;采用模态分析方法解耦牵引网与电力机车的耦合关系,确定基于车网耦合的牵引供电系统的谐波谐振次数、电压波形、影响范围等数据以及所引起的牵引网过电压机理;通过EMTP-ATP软件建立基于AT供电方式与CRH2型动车组的车网耦合仿真模型,得到牵引网网压状态.通过与实测的机车负荷、谐波电流等数据对比可知,仿真结果与实测数据分析结果一致,验证了该方法的正确性.     

计及振荡过程的地铁牵引网保护方法

通过对地铁牵引网馈线保护因震荡电流造成频繁误动作的原因进行分析,结合牵引供电网的特点,提出了组合DDL算法和高阶统计量算法的保护方法,先筛选出负荷电流,再筛选出震荡电流,从而得出短路电流。实测数据验证,该保护方法不仅可快速且准确识别出牵引网故障,而且原理清晰、工程实现方便。     

一种改进的基于轮廓特征拐点的遮挡车辆分离方法

在传统的基于4类特征拐点的遮挡车辆分离方法的基础上进行改进,提出了一种基于8类特征拐点的分离方法．该方法以车辆常用的矩形模板为先验知识,首先对存在遮挡的连通区域提取边缘轮廓,并将轮廓上的特征拐点分为8类;然后在对相邻且同类的轮廓特征拐点进行合并的基础上,利用改进的车辆轮廓特征拐点的类型组合来实现遮挡车辆的识别和分离．仿真实验表明,本文所提出的新方法具有更好的鲁棒性和精确性,且方法简单,具有很高的实际应用价值．     

EKF、UKF和CKF的滤波性能对比研究

普通卡尔曼滤波(KF)可以在线性系统中对目标状态做出最优估计,得到好的滤波效果。然而实际系统总是非线性的,针对非线性系统,常用的解决办法是对非线性系统进行近似线性化处理,从而将非线性问题转变成线性问题。文中分析了扩展卡尔曼(EKF)、无迹卡尔曼(UKF)和容积卡尔曼(CKF)的基本原理和各自的特点,然后将EKF、UKF和CKF进行滤波对比和分析,最后通过仿真试验证明:与EKF相比,UKF、CKF不仅保证了系统的稳定性,同时提高了估计精度。但CKF的估计均方误差值相比UKF更小,表现出了更高的精度。     

基于EfficientDet与Vision Transformer的接触网吊弦故障检测

针对传统检测方法在铁路接触网吊弦故障状态检测中存在识别率低,识别速度慢的问题,提出一种基于轻量型网络EfficientDet与Vision Transformer网络相结合的接触网吊弦状态检测算法。该算法包括目标定位和分类检测2个部分,利用改进EfficientDet进行吊弦定位,将定位出的吊弦送入改进Vision Transformer网络进行故障类别检测。首先,使用空洞卷积替代EfficientDet网络中第2层和第3层的普通卷积,以扩大感受野,并用CBAM代替原网络中的SE注意力机制,汇聚吊弦的高层语义信息,使得改进后的EfficientDet能有效定位出接触网中尺寸占比较小的吊弦;其次,为减少参数量并保留较大范围的特征相关性,应用4个3×3的小卷积替代Vision Transformer中Embedding的16×16的卷积层,以深度提取浅层与深层特征之间的联系,同时对比当Num-head取值不同时,分析注意力机制对空间信息的影响,以确定吊弦故障分类检测的最优模型;最后分别与定位网络YOLOv3,Faster R-CNN和分类网络AlexNet,VGG16进行对比分析,吊弦定位...     

钢桥密集螺栓异常状态视觉识别方法

针对传统机器视觉方法无法从不同拍摄视角和拍摄距离的图像中较好地识别出异常螺栓的问题，依据钢桥密集螺栓区域自身视觉特点，提出基于区域异常点分析的密集螺栓异常状态视觉识别方法。该方法首先提取和比对图像蓝色和红色通道灰度，完成梁体颜色分割，并运用选定的Canny算子提取梁体区域内边缘，采用Hough线识别方法剔除杂波；其次依据密集螺栓呈现簇状分布特点，运用密度聚类分析定位螺栓簇区域，并依据密集螺栓位置呈现平行网格分布的特点，运用投影分析定位单个螺栓区域；然后依据各螺栓的阴影特征，利用切比雪夫不等式快速判定螺栓状态，完成螺栓异常识别；最后，制作钢桥节点板模型，采集不同螺栓松动或脱落图像，对该方法进行测试。结果表明：该方法对图像拍摄视角和距离的适用度高，对螺栓脱落的识别能力优于对螺栓松动的识别；不同场景下单个螺栓定位的平均交并比大于0.75，且螺栓脱落和松动识别的准确率和召回率分别在0.89和0.85以上。