亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        無人機遙感監(jiān)測下配電線路終端故障檢測方法

        2020-01-05 07:03:20招志強陳建文
        粘接 2020年12期
        關(guān)鍵詞:故障檢測配電線路

        招志強 陳建文

        摘要:針對配電線路終端故障檢測“快、準、穩(wěn)”的需求,為實現(xiàn)復(fù)雜現(xiàn)場遙感監(jiān)測和故障檢測,以最大限度確定配電網(wǎng)運行安全。研究構(gòu)建了輕型無人機遙感系統(tǒng),采用Phantom 4 Advanced型四旋八翼碳纖維輕質(zhì)化無人機,以ARM9微處理器作為地面導(dǎo)航的主控模塊,使用GPS信息自動規(guī)劃航拍路徑,融合Lightbridge圖傳技術(shù)和無線通信技術(shù)進行遙感圖像的傳輸,以實現(xiàn)低耗、高效的遙感監(jiān)測;同時,為提高多尺度目標、小故障點的檢測精度,引入了一種融合RPN結(jié)構(gòu)的改進FasterRCNN,通過多尺度訓(xùn)練、相似性度匹配、OHEM樣本均衡機制等改進FasterRCNN,以優(yōu)化故障檢測方法的魯棒性,最后,通過對比實驗,所設(shè)計方法在故障檢測結(jié)果的完整度和準確性上均具有明顯優(yōu)勢,可滿足配電線路終端故障應(yīng)急處理的要求。

        關(guān)鍵詞:多源干擾;遙感圖像;配電線路;故障檢測

        中圖分類號:TM755;V279

        文獻標識碼:A

        文章編號:1001-5922(2020)12-0176-05

        0 引言

        無人機遙感監(jiān)測因靈活性強、操作簡便、環(huán)境適應(yīng)性強等,成為配電線路終端故障實時監(jiān)測的首選方式,而限于多源環(huán)境干擾及長距離、大范圍的監(jiān)測需求,研究將以提升無人機的續(xù)航、即時飛停、海量存儲的航拍控制性作為重點。同時,基于人工智能技術(shù)的進步,對無人機遙感監(jiān)測圖像的智能分析日漸成熟,一類為Faster RCNN、Mask R- CNN,一類為YOLO、SSD回歸的目標監(jiān)測算法[1],兩類均可用于無人機遙感圖像數(shù)據(jù)的智能分析。FasterRCNN因具有高精準的檢測特性,更適用于配電線路終端故障的檢測需求,但傳統(tǒng)檢測使用RPN進行候選區(qū)域劃分時,均需要使用獨立的卷積神經(jīng)網(wǎng)絡(luò)提取特征圖,訓(xùn)練時間長且占用過大內(nèi)存,而將各個獨立使用的網(wǎng)絡(luò)整合至一個卷積神經(jīng)網(wǎng)絡(luò),可規(guī)避該問題;同時,基于配電線路終端早期故障檢測點小、尺度多樣,以最高特征圖進行故障檢測,容易出現(xiàn)漏檢、錯檢問題,且基于故障點所占比例較小,負樣本空間過大,引致了Faster RCNN樣本失衡問題,為此,研究將以這方面的不足作為故障檢測方法設(shè)計的重點。

        1 配電線路終端的無人機遙感檢測系統(tǒng)

        配電線路周圍多配設(shè)通訊、電力鐵塔及線路,容易受到多種干擾源的影響,為靈活進行飛行控制、調(diào)整拍攝視角,以獲取多目標的遙感圖像,研究選用起飛靈活的旋翼無人機,從整體上,無人機遙感監(jiān)測系統(tǒng)由無人機、航拍系統(tǒng)、飛行控制及地面監(jiān)測等4大模塊構(gòu)成。

        1)輕型旋翼無人機:為適應(yīng)大范圍、復(fù)雜環(huán)境下配電線路多目標、多尺寸的故障目標檢測需求,研究選用由碳纖維材料制成的大疆精靈Phantom 4 Ad-vanced輕型無人機,其配設(shè)的FlightAutonomy系統(tǒng),可實現(xiàn)無GPS信號下的精準懸停,能夠適應(yīng)各類配電線路終端故障檢測的各類復(fù)雜場景。

        2)航拍系統(tǒng):無人機配有2000萬像素的相機以及可實時調(diào)控鏡頭方向的云臺,且機身前方的雙目視覺傳感器,檢測距離高達30m,在15m范圍內(nèi)的障礙物前可自動調(diào)整飛行模式、懸?;蚶@行嘲。航線規(guī)劃是航拍的關(guān)鍵,其應(yīng)該覆蓋故障點范圍的平面,應(yīng)該根據(jù)配電線路高程變化動態(tài)調(diào)整航線高度,飛行過低則續(xù)航時間要求過高,飛行過低則遙感成像不清晰。

        3)遙感圖像采集:無人機5h超長續(xù)航的遙控器集成Lightbridge高清圖傳技術(shù),可在7km內(nèi)傳輸和控制遙感圖像,配置的5.5英寸1080P顯示屏可高清觀測遙感圖像,且內(nèi)置的DJG04可實時查看、編輯和分享遙感圖像;而為擴充無人機遙感圖像存儲量,另增設(shè)Sdram、Flash兩存儲器,其中Sdrarn選用8MB的64kx16bit的HY57V641620芯片,用于存儲航拍程序運行中的中間數(shù)據(jù),F(xiàn)lash采用2MB的256kx16bit的SST39VF400芯片[3-4],用來存航拍視頻。完成遙感圖像采集后,采用無線通信模式,利用編碼正交頻分復(fù)用方式來規(guī)避多徑效應(yīng),以實現(xiàn)遙感圖像與地面監(jiān)測站的遠距離傳輸,滿足配電線路長距離監(jiān)測需求。

        4)地面監(jiān)測:該模塊主要向無人機發(fā)送定點航拍的任務(wù)指令,控制器航拍軌跡,并接收配電線路終端的遙感監(jiān)測圖像,而復(fù)雜環(huán)境下無人機遙感監(jiān)測下,需要實現(xiàn)靈活飛停、自主定點航拍的功能,為此,該地面控制采用并行處理能力的ARM9200微處理器,其通過內(nèi)部程序輸出PWM驅(qū)動脈沖,可協(xié)同操控多個無人機的舵機[5],用以完成大范圍、多目標的遙感監(jiān)測任務(wù)。

        2 配電線路終端的故障檢測方法

        2.1 Fast RCNN故障檢測方法

        Fast RCNN主要由特征提取網(wǎng)絡(luò)、RPN區(qū)域建議網(wǎng)絡(luò)和Fast RCNN故障檢測等3大模塊構(gòu)成[6],配電線路終端故障檢測時,可先將獲取的遙感圖像數(shù)據(jù)集輸入卷積神經(jīng)網(wǎng)絡(luò)的卷積層,此處選定ResNet50深度殘差網(wǎng)絡(luò)對遙感圖像進行特征提取,獲得最高特征圖后,采用反池化法對其進行采樣,生成低特征圖,并與原各層特征圖將融合;而后,利用RPN區(qū)域建議網(wǎng)生成候選區(qū)域,將其映射至融合的特征圖中,得到相應(yīng)的特征值,便可基于“注意力”機制,指引FastRCNN在候選框中進行故障檢測,利用ROI池化層生成固定尺寸的特征圖輸入至全連接層中,引入探測softmax分類概率和邊框回歸生成配電線路終端故障所屬類別概率和區(qū)域坐標[7],即可實現(xiàn)故障檢測?;贔ast RCNN的配電線路終端故障檢測方法如圖1所示。

        2.2 基于RPN生成候選區(qū)域

        在Faster RCNN檢測模型中,Selective Search為提取候選框方法,但其耗時高,而RPN本質(zhì)是“基于滑窗的無類別obejct檢測器”,可將物體檢測整個流程融人Faster RCNN,耗時低,為此,研究采用RPN網(wǎng)絡(luò)生成候選區(qū)域,首先將無人機遙感檢測圖像輸入ResNet50卷積網(wǎng)絡(luò),采用3x3的卷積核以滑動窗口的形式生成候選目標位置,并以每個位置為中心映射至原圖上得到9個錨定框[8],如此,便得到大量的錨定框。為從中篩選出對配電線路終端故障檢測最有效的建議區(qū)域,需要利用探測softmax和邊框回歸對RPN候選框進行聯(lián)合訓(xùn)練,具體步驟如下:

        1)采用探測softmax分類方法,以錨定框與真實框之間的IOU比值,為每個錨點分配一個二進制的標簽,正標簽分配給IOU比例值高于0.7的錨定框,將負標簽分配給所有IOU比例值小于0.3的錨定框,以區(qū)分前景(物體)和背景[9]。

        2)為讓多任務(wù)損失目標函數(shù)最小,以將錨定框映射至與真實框更趨近回歸框,首先,設(shè)配電線路終端故障遙感監(jiān)測圖像的損失函數(shù)為[10]:

        根據(jù)IOU值可剔除多數(shù)無用錨定框,為簡化Fast-er RCNN檢測模型,去除冗余,可使用NMS非極大值抑制方法將選出的錨定框進行是“前景(物體)”值排序,保留得分最高的,刪除與其重疊面積過大的其他錨定框。

        3 RPN+Faster RCNN故障檢測方法的優(yōu)化設(shè)計

        3.1 多尺度、小目標的RPN訓(xùn)練

        無人機遙感監(jiān)測下配電線路終端的目標尺寸不一,而傳統(tǒng)的Faster RCNN對遙感圖像多采用固定尺寸,對于多尺寸檢測目標的適用性較差,為此,研究在將無人機遙感監(jiān)測圖像輸入RstNet50特征提取網(wǎng)絡(luò)之前,根據(jù)故障檢測目標成像清晰度,隨機調(diào)整圖片大小,生成多尺寸進行RPN訓(xùn)練,以適用故障檢測目標的多尺度特征,提升檢測準確性。

        同時,無人機遙感監(jiān)測時,需要檢測出絕緣子、變壓器、桿塔等等多目標故障,而小目標因分辨率低、遮擋、形變等多源干擾,RPN無網(wǎng)絡(luò)中默認的錨點參數(shù)無法召回故障點較小的目標,僅可對最高層特征圖進行特征提取及分類,很容易丟失低層特征圖中的小目標故障點,影響配電線路終端早期故障的識別。針對此,為實現(xiàn)低層特征圖對小目標的識別性,研究基于RPN網(wǎng)絡(luò)生成一系列的目標候選位置,并賦予其置信度得分,而后,利用NMS篩選局部極大值,將具有較高置信得分的候選目標作為特征模板,而較低置信得分的候選目標因無法與其他目標或背景區(qū)分,需與特征模板進行相似度匹配,以實現(xiàn)對初步局部極大值的進一步篩選,若匹配,就可加入檢測之中,以避免小目標故障漏檢的問題。這其中,特征模板與底層特征圖中的候選目標相似度匹配步驟如下:

        1)構(gòu)建模板的圖像特征。利用卷積神經(jīng)ResNet50通過逐層卷積將原始的無人機遙感監(jiān)測圖像層層映射,因各層特征對原始遙感圖像的表達能力不同,為了提取更具故障檢測力特征作為模板,需要分析各層特征對不同類別的區(qū)分度。

        2)將卷積層的特征尺度設(shè)為Kx WxH,其中,K為該層卷積特征圖的數(shù)量,W×H為特征圖的大小[13],研究選用漢明距離表示高低層特征之間的距離,距離越大,則相似度匹配越高,公式為:

        3.2 基于OHEM機制的RPN訓(xùn)練樣本均衡

        Faster RCNN故障檢測時,因配電線路終端故障點目標在遙感監(jiān)測圖像中所占比例較少,存在負樣本過多的問題,造成正負樣本失衡,RPN網(wǎng)絡(luò)在進行分類時容易將錯誤目標誤判為正確的且置信分數(shù)較高的樣本,此即為困難樣本。以往的均衡方式是使用特定比例的正負樣本進行分類器訓(xùn)練,而后,再用測試集進行檢測,提取困難樣本加入初始訓(xùn)練集中重新訓(xùn)練,但每次訓(xùn)練所需的固定模型在卷積神經(jīng)網(wǎng)絡(luò)中無法實現(xiàn)。為此,研究引入OHEM機制,來解決FasterRCNN網(wǎng)絡(luò)框架RPN訓(xùn)練中負樣本過多的問題,將Faster RCNN的ROI池化層以后設(shè)定為ROI網(wǎng)絡(luò),通過OHEM機制的引入,將原有的1個ROI網(wǎng)絡(luò)拓展為可共享網(wǎng)絡(luò)參數(shù)的2個ROI網(wǎng)絡(luò),一個為只讀,根據(jù)式(1)計算全部候選區(qū)域的loss值并排序,選定loss值較大的部分候選區(qū)作為困難樣本,將其輸入另一個ROI網(wǎng)絡(luò)進行訓(xùn)練,并輸出預(yù)測的配電線路終端故障的分類結(jié)果和位置,該方法不依托于正負樣本的比例來解決失衡問題,可提升Faster RCNN故障檢測的準確性。

        4 故障監(jiān)測方法的應(yīng)用分析

        4.1 檢測準確性分析

        無人遙感監(jiān)測下配電線路終端故障檢測結(jié)果準確性,可利用目視解譯將其與已知參數(shù)數(shù)據(jù)進行比較,但該方法無法量化,所以,研究引入完整度和準確度來評價故障檢測的結(jié)果。

        完整度計算公式為:

        式(6)中,TP為檢測出的配電線路終端故障數(shù)量,TN為未檢測出的配電線路終端故障數(shù)量。

        準確度計算公式為:

        式(7)中,TP為正確檢測出的配電線路終端故障數(shù)量,TN為錯誤檢測出的配電線路終端故障數(shù)量。

        為驗證RPN+FasterRCNN故障檢測方法優(yōu)化前后的準確性,選用能見度較好、風(fēng)力4級以下的2019年5月2日、8月10日、10月2日等3次獲得的500張遙感監(jiān)測圖像,通過多尺寸、相似度匹配、OHEM樣本均衡機制等改進FasterRCNN,對配電線路終端故障進行檢測,對比其與原始的FasterRCNN方法的差異,所得結(jié)果如表l所示。

        由表1可知,改進的FasterRCNN的完整度,準確度分別達到了91.98%、94.37%,較未改進前的配電線路終端故障檢測有明顯的提升,這是因為通過多尺寸、底層特征圖小目標與高層特征圖相似度匹配后,其對于小目標故障點的漏檢率顯著改善;且引入OHEM機制,使用困難樣本進行標準RIO網(wǎng)絡(luò)訓(xùn)練,有效解決了正負樣本失衡的問題,改善了錯檢的問題。

        4.2 改進設(shè)計的效果

        為檢驗FasterRCNN故障檢測方法優(yōu)化設(shè)計的有效性,將分析3種改進策略不同組合下的配電線路終端故障檢測效果,結(jié)果如表2所示。

        由表2可知,改進設(shè)方法1和2相比,通過對無人機遙感監(jiān)測圖像的多尺度訓(xùn)練,配電線路終端故障檢測準確度提升了0.93%;改進方法2和3相比,通過底層特征圖與特征模板的相似度匹配,使得RPN+FasterRCNN的網(wǎng)絡(luò)模型對于小目標故障檢測的魯棒性更優(yōu),對應(yīng)的配電線路終端故障檢測準確度提升了1.03%;改進方法2和4對比,通過OHEM困難樣本機制引入,可均衡訓(xùn)練網(wǎng)絡(luò)中正負樣本,優(yōu)化故障目標的檢測率,可見,上述針對RPN+FasterRCNN故障檢測模型的3種優(yōu)化設(shè)計方案,任意一種均能夠提升配電線路終端故障的檢測準確性。

        5 結(jié)語

        無人機遙感監(jiān)測具有高效、宏觀、高分辨率的優(yōu)勢性,在配電線路終端故障檢測和應(yīng)急處理中應(yīng)用廣泛,而上述提出的無人機遙感監(jiān)測,創(chuàng)新點在于擴增了存儲量、簡化了起飛操控、并改進了圖傳技術(shù),實現(xiàn)了在復(fù)雜、多源干擾下場景的遙感圖像的快速采集及回傳;同時,在故障檢測方法上,所提出的改進RPN+Faster-RCNN網(wǎng)絡(luò)模型,從多層面優(yōu)化了對不同故障目標的監(jiān)測敏感度,相較于以往的先檢測故障線路電流波形再進行聚類分析、診斷故障的算法,效率和準確性更優(yōu)。

        參考文獻

        [1]謝樺,陳昊,張沛,配電線路多源數(shù)據(jù)挖掘時變故障概率計算[J/OL].電力系統(tǒng)及其自動化學(xué)報,2020( 09):63-67.

        [2]鄒敬龍,配電線路故障在線監(jiān)測裝置自動化檢測技術(shù)的實際應(yīng)用[J].機電工程技術(shù),2019,48(12):213-215.

        [3]王偉賢,李鐘慎.lOkV配電線路防雷改造探索[J].國外電子測量技術(shù),2019,38( 12):107-110.

        [4]王超洋,樊紹勝,劉錚,等,基于改進FasterRCNN的配網(wǎng)架空線路異常狀態(tài)檢測[J].電力學(xué)報,2019,34(04):322-329.

        [5]陳晨,楊晶,吳亮.無人機遙感監(jiān)測下大氣污染源追蹤定位仿真[J].計算機仿真,2019,36(06):32-35.

        [6]沈偉奇,崔風(fēng)情,陳士俊,等,基于雷達探測的輸配電線路綜合驅(qū)鳥系統(tǒng)研究[J].電子測量技術(shù),2019,42(11):1-4.

        [7]王勇軍,李智,孫山林,等.輕小型無人機遙感組網(wǎng)飛行的高程安全監(jiān)測冗余容錯算法研究[J].地球信息科學(xué)學(xué)報,2019,21(04):542-551.

        [8]陳丹,林清泉,基于級聯(lián)式Faster RCNN的三維目標最優(yōu)抓取方法研究[J].儀器儀表學(xué)報,2019,40 (04):229-237.

        [9]高明,趙振剛,李英娜,等,基于光纖傳感的輸電線路桿塔傾斜監(jiān)測研究[J].電子測量與儀器學(xué)報,2018,32(12):51-59.

        [10]李輝,鐘平,戴玉靜,等,基于深度學(xué)習(xí)的輸電線路銹蝕檢測方法的研究[J].電子測量技術(shù),2018,41(22):54-59.

        猜你喜歡
        故障檢測配電線路
        基于定子逆序的電機同步速變換故障檢測算法
        優(yōu)化網(wǎng)絡(luò)設(shè)備維護提高數(shù)據(jù)通信傳輸質(zhì)量
        電子電路的故障檢測技術(shù)
        配電線路設(shè)備常見故障及應(yīng)對措施
        配電線路安裝施工危險點及防控建議解析
        探究配電線路桿塔土建施工的控制要點
        新型探測線圈淺析
        科技視界(2016年21期)2016-10-17 17:53:37
        配電線路常見故障及其原因與運檢管理
        論10kV配電線路接地故障分析及預(yù)防
        配電線路運行資料管理自動化的探討
        科技視界(2016年20期)2016-09-29 13:45:10
        国产精品日本一区二区在线播放 | 久久精品国产福利亚洲av| 天堂一区二区三区精品| 亚洲第一幕一区二区三区在线观看| 成熟了的熟妇毛茸茸| 黑丝国产精品一区二区| 亚洲中文乱码在线视频| 蜜桃一区二区三区视频| 国产喷水1区2区3区咪咪爱av| 国产精品半夜| 美女扒开内裤露黑毛无遮挡 | 精品久久有码中文字幕| 成人网站免费看黄a站视频| 国产网站视频| 中文字幕一区二区三区四区久久| 少妇无套裸按摩呻吟无呜 | 国产精品白浆一区二小说| A亚洲VA欧美VA国产综合| 亚洲一区二区三区成人网| 99久久婷婷国产综合亚洲| 国产精品香蕉在线观看| 久久久久国产精品四虎| 亚洲国产系列一区二区| 中文字幕久久熟女蜜桃 | 风韵多水的老熟妇| 2021国产最新在线视频一区| 日本高清免费播放一区二区| 日本三级片在线观看| 中文字幕日韩精品无码内射| 黑人巨大精品欧美在线观看| 色男色女午夜福利影院| 无码av中文一区二区三区| 亚洲国产综合精品 在线 一区| 国产高清在线91福利| 久久精见国产亚洲av高清热| 99久久亚洲精品日本无码| 久久免费看少妇高潮v片特黄| 无遮挡很爽视频在线观看| 蜜桃视频一区二区三区四| 欧美人妻少妇精品久久黑人| 国产精品23p|