CN114693741B 一种基于深度学习的断路器动触头运动特性测量方法 （华北电力大学（保定））_第1页
CN114693741B 一种基于深度学习的断路器动触头运动特性测量方法 （华北电力大学（保定））_第2页
CN114693741B 一种基于深度学习的断路器动触头运动特性测量方法 （华北电力大学（保定））_第3页
CN114693741B 一种基于深度学习的断路器动触头运动特性测量方法 （华北电力大学（保定））_第4页
CN114693741B 一种基于深度学习的断路器动触头运动特性测量方法 （华北电力大学（保定））_第5页
已阅读5页，还剩14页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

号一种基于深度学习的断路器动触头运动特本发明公开了一种基于深度学习的断路器辅助标志物的轨迹计算得出断路器动触头行程跟踪与断路器动触头同步运动的部件实现断路2步骤S2：将高速图像序列输入至训练好的深度学习改进的ResNet50网络为将传统ResNet50网络中的输入部分第一层的7*7卷积换成了3金字塔特征增强网络为双层金字塔结构，双层金字塔结构是在传统金特征增强网络包括CECA/CCFA结构和CCFA结构，CECA/CCFA结构包括个CCFA结构，融合后的多层特征输入至CECA/CCFA结构中并重复四次后两个输出分支通过预测头包括用于预测每个位置是否含有辅助标志物的分类分支和用于预测回归框的2.根据权利要求1所述的一种基于深度学习的断路器动触头运动特性测量方法，其特步骤S11：在与断路器动触头同步运动的绝缘拉杆和转轴上分别设置第一辅助标志物步骤S12：调整高速摄像机的位置和视野采集辅助标志物运动图像，生成高速图像序3.根据权利要求2所述的一种基于深度学习的断路器动触头运动特性测量方法，其特然后使用深度可分离卷积对特征图进行二次采样，深4.根据权利要求3所述的一种基于深度学习的断路器动触头运动特性测量方法，其特3θ=α1+π/2。4[0011]步骤S11：在与断路器动触头同步运动的绝缘拉杆和转轴上分别设置第一辅助标5[0014]步骤S21：特征提取，将高速图像序列输入到改进的ResNet50网络提取多层特征[0015]步骤S22：特征融合，对提取的多层特征图通过金字塔特征增强网络融合多层特[0018]优选的，改进的ResNet50网络为将传统ResNet50网络中的输入部分第一层的7*7和两个CCFA结构，融合后的多层特征输入至CECA/CCFA结构中并重复四次后两个输出分支[0021]预测头包括用于预测每个位置是否含有辅助标志物的分类分支和用于预测回归6θ=α1+π/2。用深度可分离卷积代替多头自关注的原始位置线性投影，增强对局部空间上下文的建[0052]图1为本发明一种基于深度学习的断路器动触头运动特性测量方法框图，如图所[0054]步骤S11：在与断路器动触头同步运动的绝缘拉杆4和转轴5上分别设置第一辅助7[0057]步骤S21：特征提取，将高速图像序列输入到改进的ResNet50网络提取多层特征和两个CCFA结构，用深度可分离卷积(depth-wiseseparableconvolutions)代替多头自和回归分支均由3个线性层和RELU激活函数组成，分类分支用来预测每个位置的是否含有8θ=α1+π/2。用非接触式测量，跟踪与断路器动触头同步运动的部件实现断路器动触头运动特性测量，[0076]最后应说明的是：以上实施例仅用以说明本发明的技术9

人人文库> 全部分类> 行业资料 > 信息产业

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论