一起变压器重瓦斯动作事故分析

本文主要对一例220 k V变压器气体继电器重瓦斯动作故障原因进行分析,首先,通过变压器油色谱分析、直流电阻、变比测试、绝缘电阻及介损试验等分析手段,排除主变本体自身故障,然后初步断定为变压器波纹储油柜故障,最后提出具体的故障处理对策。希望本文的分析和处理方法可为现场处理类似故障提供参考。     

基于改进YOLOv7的输电铁塔塔基检测算法

输电塔作为整个电力传输系统最重要的组成部分之一,需要及时对输电塔进行检测保证塔基的稳固以保障后期的使用。针对无人机采集到的输电塔图像存在背景复杂、背景与目标塔基对比度低、小目标及塔基不完整等问题,提出了基于改进YOLOv7的输电塔塔基检测算法。首先,通过无人机采集不同地形地貌的输电塔图像,构建高质量数据集。然后,在原始YOLOv7的Backbone层中加入卷积注意力模块CBAM注意力机制,以提高输电塔塔基特征的提取能力。最后,引入WIoU v3代替原坐标损失函数CIoU,以提高目标检测任务的准确性和稳定性。在该数据集上,使用改进后的YOLOv7算法与目前主流的目标检测算法进行对比实验,实验结果中所提算法的mAP值高达99.93%,比原始YOLOv7提高2.19%,FPS值为37.125,满足实时检测需求,算法的整体性能较好。实验验证了所提算法在塔基检测上的可行性和有效性,为后续塔基区周围水土情况的研究奠定了基础。     

二层多目标随机规划逼近有效解集的上半收敛性

[目的]为了研究通过逼近方法求解二层多目标随机规划有效解集与精确的有效解集之间的相互关系,针对下层为单目标随机规划,上层为多目标随机规划的一类二层随机规划逼近问题,构建了二层多 目标随机规划逼近有效解集上半收敛性的理论框架.[方法]将多目标二层随机规划分解成多个单目标二层随机规划,利用每个单目标二层随机规划逼近最优解集...     

基于改进YOLOv5的道路目标检测

为提高自动驾驶中的道路目标检测精度,设计了一种基于YOLOv5的道路目标检测模型。该模型在YOLOv5s的网络模型基础上,将原始的初始锚框聚类算法改为K-means++算法来减小随机带来的聚类误差;并在Backbone中SPP模块之前引入SENet注意力机制,以增强道路目标重要特征并抑制一般特征,达到提高检测网络对道路目标的检测能力。在VOC2012改进数据集上训练、测试,基于改进的YOLOv5s的模型比原始YOLOv5s模型平均准确精度提高了2.4%。实验结果表明,改进的YOLOv5s模型能较好地满足道路目标检测的精度要求。     

多目标的跟踪区域列表动态优化算法

5G移动网络要适应多样化和不断增加的用户设备(User Equipment, UE),应对终端巨大的位置管理信令开销是实现这一目标的重要保障。文中提出了一种多目标算法优化跟踪区域列表(Tracking area List, TAL)的策略,目的是寻找TAL中跟踪区(Tracking Area, TA)的最优分布以及如何将TAL分配给UE,以最小化位置管理中冲突的跟踪区更新(Tracking area update, TAU)和寻呼信令开销。在本地侧利用多目标粒子群优化算法实现TAL的最优分布,网络侧根据不同UE的移动特性来分配大小合适的TAL。通过仿真验证,所提方案可以在TAU和寻呼开销之间取得妥协,并在节省总位置管理开销方面得到了大幅度改善。     

潮流能水轮机阵列水动力与布局优化研究进展

概述了潮流能水轮机阵列的水动力特性,总结了不同横向、纵向间距下水轮机尾流变化的一般规律,梳理了水轮机阵列布局的优化方法,从人工传统优化阵列布局与计算机自动优化阵列布局两方面回顾了水轮机阵列单目标优化与多目标优化的研究进展。人工传统布局结构简单且易于操作,有比较强的工程实践性,但物理试验可限制的约束条件有限,难以模拟阵列在真实海况下的发电情况;自动优化布局相比于人工传统布局更具有现实意义,但依然面临经济模块因素缺乏、多目标内容待完善、理论与实践未统一、前期准备时间较长等诸多挑战。     

基于注意力机制的红外小目标检测方法

针对红外小目标占用像素较少、背景相似性强、网络容易受到背景杂波信息干扰的问题,提出了一种基于注意力机制的红外小目标检测方法。利用注意力机制模块抑制背景杂波,增强小目标特征,并使用红外小目标检测模块实现检测任务;为了增强网络鲁棒性,通过高斯噪声与原图通道堆叠输入的数据增强方式提升网络抗杂波干扰的能力。实验表明,提出的方法在MDvsFA数据集中的性能超过了目前最新的对比算法。     

一种新颖的多目标优化算法

粒子群算法的特性使得其在解决多目标优化问题时具有很强的竞争性,提出了一种结合小生境思想和在线归档策略的多目标粒子群优化算法,该算法能够在进化过程中保持优良种群。通过3个测试函数来评价算法性能并将算法与NSGA-II做比较,结果表明提出的算法的时间耗费明显小于NSGA-II算法且解集沿着Pareto非劣最优目标域有很好的扩展性。     

非支配解集的质量评价方法

多目标演化算法的目的是获得逼近Pareto最优前沿的分布均匀的非支配解集合,非支配解集的质量是多目标演化算法研究的重要领域.本文对目前提出的非支配解集的质量评价方法进行分类比较,为算法的整体性能评价和算法的性能比较提供了参考依据.     

基于属性分组的子空间聚类算法研究

针对分类数据,基于属性分组技术和多目标聚类质量函数,提出一种子空间聚类算法.该算法采用属性分组技术,将高相关属性划分到同属性组中,利用同组属性相关性度量属性权重值,构建属性软子空间;采用基于多目标的聚类质量函数,判断整体聚类效果,通过迭代优化簇集结构,达到最佳的数据划分状态.在人工合成数据集和UCI数据集上,实验验证了该算法的正确性、高效性和可靠性.