-
公开(公告)号：CN111027881B
公开(公告)日：2022-08-12
申请号：CN201911305960.8
申请日：2019-12-17
Applicant: 福州大学
Abstract: 本发明提出一种基于改进灰色关联度的输电杆塔自然灾害损失评估方法，包括如下步骤：步骤S1：定义m种气象灾害，n个评价指标，构建输电杆塔灾损评估指标评价值的初始矩阵；步骤S2:根据灰色系统原理，对输电杆塔灾损评估指标评价值的初始矩阵进行无量纲化处理；步骤S3：根据灰色关联方法，以杆塔全倒伏的指标为参考序列，各自然灾害下的杆塔受损情况为目标序列，建立杆塔评估模型；步骤S4：采用熵值法对各个评价指标权重进行计算；步骤S5：计算参考序列和目标序列之间的关联度；步骤S6：利用关联度评估杆塔在不同自然灾害下的受损程度。其采用熵值法对传统灰色关联度增加各指标权重的影响，建立适合输电杆塔在自然灾害下受损情况的灰色关联模型。
-
公开(公告)号：CN109376606B
公开(公告)日：2021-11-30
申请号：CN201811124490.0
申请日：2018-09-26
Applicant: 福州大学
Abstract: 本发明涉及一种电力巡检图像杆塔基础故障检测方法，该方法主要包括以下步骤：根据电力巡检影像数据库接口获取包含杆塔基座和塔基基础的电力巡检图像及其对应的XML标签；将获取到的数据转换生成可用于深度学习网络训练的数据文件；搭建基础网络为Resnet‑101的Faster‑Rcnn网络并利用转换生成的训练数据训练网络，最后根据训练时网络参数是否达到期望值固化深度神经网络模型。将待检测的电力巡检图像通过深度学习网络，框选出电力巡检图像中杆塔基座位置，根据杆塔基座目标框位置信息从电力巡检图像中截取出杆塔基座，最后使用多模型故障检测，融合得到塔基基础故障信息，并存入电力巡检图像故障信息数据库。本发明有效提高电力巡检的效率和智能化水平。
-
公开(公告)号：CN109345529B
公开(公告)日：2021-09-24
申请号：CN201811155376.4
申请日：2018-09-30
Applicant: 福州大学
Abstract: 本发明提出一种基于改进型二次目标检测网络线夹、均压环故障识别方法，包括以下步骤：步骤S1：制作线夹或均压环图像数据集，对图像数据样本做分类和清洗，并对样本做标注文件，作为初始化训练数据；步骤S2：针对不同检测数据集生成Anchor box；步骤S3：使用迁移学习将预训练好的模型初始化新的目标检测网络，将数据输入到模型中开始训练，待模型收敛后停止训练；步骤S4：固化模型，将模型中所含的训练变量剔除，保留用于检测的权值；步骤S5：数据经过固化后的模型生成一、二次检测图，针对线夹或均压环采用计算机视觉算法判断是否发生故障。本发明减小了模型参数的情况上能达到两个模型来实现二次检测的精确度，同时在检测速度有了很大的提升。
-
公开(公告)号：CN109743103B
公开(公告)日：2021-07-27
申请号：CN201910102534.8
申请日：2019-02-01
Applicant: 福州大学
IPC: H04B10/03 , H04B10/079 , H04Q11/00
Abstract: 本发明涉及一种基于ELM的FBG传感网络节点故障修复方法，通过分析FBG传感网络节点之间相关性，采集节点的历史数据作为采样向量，运用极限学习机进行训练，构建所有节点的冗余模型，利用节点的冗余模搭建节点故障实时在线监测系统。通过光谱仪将采集到的FBG传感网络所由节点数据输入到故障监测系统中，对FBG传感网络进行故障诊断，并实时在线修复，提高FBG传感网络的生存能力和使用寿命。
-
公开(公告)号：CN109282837B
公开(公告)日：2021-06-22
申请号：CN201811239614.X
申请日：2018-10-24
Applicant: 福州大学
Abstract: 本发明涉及一种基于LSTM网络的布拉格光纤光栅交错光谱的解调方法，包括如下步骤：步骤S1:采集布拉格光纤光栅反射光谱数据以及对应的布拉格波长数据；步骤S2:对得到布拉格光纤光栅反射光谱数据以及对应的布拉格波长数据进行预处理，得到训练数据集和测试数据集；步骤S3:根据训练数据集，利用长短时卷积网络初始化训练模型和模型权重；步骤S4:根据训练模型对测试数据集进行评估，若评估的效果没有变化或者模型已经收敛则结束训练，完成解调。本发明通过将卷积网络和长短时记忆网络结合，模型对复杂的传感网络能快速的得到精确的解，同时在对重叠光谱的求解中模型能准确的学习到重叠区域对应的布拉格光纤光栅，精确匹配避免了重叠时的错配，漏检。
-
Patent Agency Ranking
公开(公告)号：CN109580007B
公开(公告)日：2021-01-29
申请号：CN201910124879.3
申请日：2019-02-20
Applicant: 福州大学
Abstract: 本发明涉及一种机房冷通道微环境立体热力分布监测系统，其特征在于：系统包括若干温度采集模块、数据传输模块和后台工作站；所述温度采集模块包括云台和设置在云台上的低分辨率红外热成像仪；所述数据传输模块包括光纤网络、光端机和若干个适配器；所述光端机接受来自前端低分辨率红外热成像仪以及云台数据信号，并通过光纤网络进行传输至后台工作站。本发明采用低分辨率的红外热视模块，基于机器学习深度解析算法，深度提取采集的温度数据的特征值，并转化为立体热力分布图，能够有效的对温度进行实时检测。
-
公开(公告)号：CN111273594A
公开(公告)日：2020-06-12
申请号：CN202010261287.9
申请日：2020-04-03
Applicant: 福州大学
IPC: G05B19/042
Abstract: 本发明涉及一种具有语音交互和场景控制的家用智能配电箱控制系统，包括设置于配电箱内的智能控制板、一个以上的小型电器总线智能电气底板、一个以上的配套智能插座、一个以上的语音交互模块；所述智能控制板、配套智能插座以及语音交互模块中均设置有电力载波模块，所述配套智能插座与语音交互模块均通过电力载波的形式与所述智能控制板相连；所述一个以上的语音交互模块分布式设在屋内不同房间，分别用以采集不同房间内的语音控制指令，并将其传输至智能控制板。本发明通过在配电箱内设置智能控制板以及通过设置分布式的语音交互模块，提高了人机交互的效率和用户的居家体验质量。
-
公开(公告)号：CN110245644A
公开(公告)日：2019-09-17
申请号：CN201910545322.7
申请日：2019-06-22
Applicant: 福州大学
Abstract: 本发明涉及一种基于深度学习的无人机图像输电杆塔倒伏识别的方法，首先制作训练数据集和验证数据集，数据集包括两种类别的无人机图像，分别是不同背景下的直立杆塔以及倒伏杆塔；然后建立深度学习模型，分别以ResNet为基础的Faster R-CNN网络和以Darknet-53为基础的Yolov3网络作为深度学习目标检测的基础网络结构；接着进行数据增强，并对深度学习模型进行训练，然后固化与测试检测模型，并进行模型融合，最后利用融合后的模型对杆塔图像进行识别。本发明利用深度学习目标检测方法，实现了巡检过程中对输电杆塔的识别及故障检测。
-
公开(公告)号：CN109922447A
公开(公告)日：2019-06-21
申请号：CN201910206961.0
申请日：2019-03-19
Applicant: 福州大学
IPC: H04W4/33
Abstract: 本发明涉及一种基于深度学习的室内人员感知方法。采用普及的具有WIFI功能的设备（包括但不限于路由器），根据设备检测到的RSSI信号，无需人员携带特殊设备实现人员感知，利用深度学习DNN模型进行人员检测；深度学习当中的DNN模型能够自动提取不同人数下信号矩阵的特征，从而对人员数量进行检测。本发明通过人员数量的不同对RSSI信号矩阵的影响结合深度学习进行人员感知，实现室内人员数量的检测。
-
公开(公告)号：CN109781268A
公开(公告)日：2019-05-21
申请号：CN201910200345.4
申请日：2019-03-16
Applicant: 福州大学
Abstract: 本发明涉及一种基于低成本红外热视技术的开关柜内重点部位温度监测系统，包括监测终端和温度采集与显示系统；所述监测终端与所述温度采集与显示系统通信相连；用以将所述温度采集与显示系统采集的开关柜内重点部位区域的温度数据传输到所述监测终端，并通过所述监测终端进行保存和分析。采用低成本低分辨率的红外热视技术，免于直接接触带有高压的开关柜部件，并在小片区域内可对温度的准确测量，既实现了开关柜内重点部位的区域测温功能，又降低了红外测温的成本。
-
-
-
-
-
-
-
-
-
Search Results
178
records
(took 0.032 seconds)
