电力场景下基于无人机视觉的运动目标追踪方法

随着人工智能技术的发展,面向电力系统的运动目标追踪技术逐渐得到关注,现有方法虽有一定成效,但是大多基于固定摄像头的监控视频录制,不能灵活追踪运动目标,当运动目标离开摄像头视野时,存在运动目标丢失问题。为此,利用无人机设备,并基于深度学习和核相关滤波技术,提出了一个电力场景下基于无人机视觉的运动目标追踪方法（MTTS_UAV）。所提方法采用改进的目标追踪方法与目标检测方法相结合的方式来追踪运动目标隐患,并引入2种无人机飞行控制模块:启发式和数据驱动式,使得无人机的飞行速度和方向可以根据目标移动情况自适应地调节。在真实变电站的安全帽人员数据集上进行了大量实验,对所提方法的追踪效果进行评估,结果表明:所提方法在真实数据集上的平均像素误差（APE）和平均重叠率（AOR）分别可达到2.37和0.67,验证了方法的有效性。      

非紧致气动噪声半空间传播基本解的边界积分方法

为了获得低马赫数流动诱发的非紧致气动噪声在半空间内传播的基本解,结合复等效源方法和边界元方法建立了半空间精确格林函数的边界积分方程,当半空间边界为刚度型阻抗边界时可避免奇异性积分.同时基于等效源方法提出一种半空间二维非紧致圆柱声散射模型,推导了静止介质中声散射基本解的理论表达式.对静止介质中的二维圆柱声散射,数值解在研...     

基于改进YOLO V5的无人机航拍图像小目标检测方法

本文针对无人机航拍目标检测技术中目标聚集、目标较小及实时性差等问题,将YOLO V5的主干架构进行改进,简化Neck网络,提出了一种提高检测速度又能准确识别的无人机航拍图像检测技术方案。经过仿真实验测试,改进后的YOLO V5网络在保持识别精度的同时,检测速率提升了31%,满足无人机在航拍作业时对于准确性与实时性的要求。     

An improved numerical method for constructing Halo/Lissajous orbits in a full solar system model

An improved numerical method that can construct Halo/Lissajous orbits in the vicinity of collinear libration points in a full solar system model is investigated. A full solar system gravitational model in the geocentric rotating coordinate system with a clear presentation of the angular velocity relative to the inertial coordinate system is proposed. An alternative way to determine patch points in the multiple shooting method is provided based on a dynamical analysis with Poincare′sections. By employing the new patch points and sequential quadratic programming, Halo orbits for L_1, L_2, and L_3 points as well as Lissajous orbits for L_1 and L_2 points in the EarthMoon system are generated with the proposed full solar system gravitational model to verify the effectiveness of the proposed method.     

应用三维粒子动态分析仪测量三分支联接流场

应用三维粒子动态分析仪 (3D PDA)测得了矩形截面三分支联接的三维速度分布。在测量中 ,经过理论分析与对比试验 ,选择了蚊香烟雾作为散射粒子。实验结果表明 ,在只有支管进气的情况下 ,在总管的封闭端和支管下游总管壁面处产生了回流 ;以及气流从支管进入总管后由于截面扩张在总管横截面上所诱发的二次流 ,并且二次流现象只发生在支管下游附近的总管横截面上。     

广义Burgers方程声爆传播模型高阶格式离散

声爆预测技术是研制新一代环保型超声速民机的关键技术之一。针对当前基于广义Burgers方程的声爆远场传播模型的数值求解格式精度较低的情况,开展了高阶格式离散方法研究。通过分析该模型中各效应项的物理性质,应用合适的高阶精度格式对各项分别进行离散求解,并采用经典几何声学射线法计算声爆传播路径,实现了对地面声爆波形的精准预测。通过对美国F-5E机型的声爆飞行试验和第二届国际声爆预测研讨会的典型算例进行数值模拟,验证了本文高阶离散方法的可靠性。进一步的结果分析表明,采用高阶离散格式的预测方法相比传统二阶精度预测方法具有明显的低耗散特性,在同等网格数目上可获得更高分辨率的计算结果,且其网格收敛性远优于传统二阶精度格式,同时在计算效率上也有一定优势;在Burgers方程的各效应项中,非线性项的影响更为明显,因而采用高阶离散格式时其优势更为突出;热黏性吸收项对数值结果影响较小,采用高阶离散格式对计算精度的提升效果也不明显,实际计算中仍可以采用传统离散格式,甚至忽略该项的贡献。     

同步发电机动态特性仿真方法研究

介绍了同步发电机基于电路模型的动态仿真方法,指出了应用它在分析同步发电机动态特性时具有的优点。     

蜂窝结构环形件的微型点焊

介绍了蜂窝环形构件微型点焊的电极、设备及工艺过程,分析了焊点质量,发现了条形蜂窝件的质量问题对点焊过程的影响,并提出了相应的解决措施。     

弯扭复合大负载下电动舵机设计及性能试验研究

针对弯扭复合大负载工况下电动舵机快速性与稳定性匹配的问题,在分析有限空间质量约束下舵机设计要求的基础上,采用基于核心部件与系统仿真及试验验证相结合的手段,提出了一种高刚度高功率密度的抗弯扭复合大负载电动舵机设计方法。详细阐述了高功率密度伺服电机和高刚度传动机构的设计过程,并研制了工程样机。试验结果表明:该电动舵机伺服刚度与功率密度得到显著提升,在复合大负载工况下能够实现高动态高可靠稳定运行。     

基于LSTMAttention网络的短期风电功率预测

提出一种基于LSTMAttention网络的短期风电功率预测方法。首先,使用LSTM网络对数值天气预测(NWP)数据的特征信息进行提取,同时采用注意力机制有效分析了模型输入与输出的相关性,从而获取了更多重要时间的整体特征;其次,使用卷积神经网络(CNN)提取NWP数据的局部特征,并引入压缩和奖惩网络(SE)模块学习特征权重,利用特征重新标定方式提高网络表示能力;最后,将局部特征和整体特征进行特征融合,通过分类器输出分类结果。利用NOAA提供的美国加利福尼亚州某风电场的数据进行案例分析,证明了所提方法的有效性。试验结果表明,与BP神经网络、自回归积分滑动平均模型(ARIMA)模型和LSTM模型相比,LSTMAttention模型具有更高的预测精度,证明了该方法的有效性。