-
公开(公告)号：CN119891067A
公开(公告)日：2025-04-25
申请号：CN202510233321.4
申请日：2025-02-27
Applicant: 国网内蒙古东部电力有限公司 , 国网内蒙古东部电力有限公司电力科学研究院 , 中国电力科学研究院有限公司 , 湖南大学 , 国家电网有限公司
Inventor： 李彦吉 , 毛光辉 , 李丹煜 , 牛华伟 , 张国强 , 刘彬 , 杨峥 , 朱宽军 , 尚鑫 , 张弘毅 , 祝永坤 , 陈政清 , 李晨 , 范文琪 , 张宏杰 , 金欢 , 白旭 , 张薇 , 杨雪城 , 吴闯 , 冯振华
IPC: H02G7/14
Abstract: 本发明公开了一种输电线路覆冰舞动的应急止舞装置及方法，涉及输变电工程结构减振技术领域，该装置包括牵拉索，其设置于输电线路上；阻尼器设置于地面上，且所述阻尼器通过连接件与所述牵拉索远离输电线路的一端连接，输电线路在舞动过程中，通过牵拉索带动阻尼器运动进行耗能；弹性装置一端与所述连接件连接，另一端连接于地面，用于对阻尼器提供恢复力，同时对牵拉索施加预拉力。本发明提供的基于上述输电线路覆冰舞动的应急止舞装置的止舞方法，采用牵拉索将输电线路与阻尼器连接，通过阻尼器以电涡流的形式进行耗能，结合拉线技术与阻尼减振技术对覆冰舞动过程中的输电线路实现止舞效果，实现了输电线路舞动现场紧急止舞。
-
公开(公告)号：CN113610822B
公开(公告)日：2022-09-09
申请号：CN202110927828.1
申请日：2021-08-13
Applicant: 湖南大学
Abstract: 本发明公开了一种基于多尺度信息融合的表面缺陷检测方法，包括：获取待测物品的表面缺陷图像以及标注了缺陷真实坐标值与缺陷类别的标签文件，构建缺陷数据集；对缺陷数据集进行预处理，得到预处理后的缺陷数据集；搭建缺陷检测网络，缺陷检测网络包括特征提取模块和缺陷预测模块，特征提取模块包括主干网络、高层特征融合模块和相邻特征融合模块，缺陷预测模块包括目标区域提议模块和缺陷定位网络；根据预处理后的缺陷数据集对缺陷检测网络进行训练，得到缺陷检测模型；获取待测物品的待检测表面图像，根据待检测表面图像和缺陷检测模型得到表面缺陷检测结果。有效提高检测效率和准确性。
-
公开(公告)号：CN113870230B
公开(公告)日：2022-08-02
申请号：CN202111161614.4
申请日：2021-09-30
Applicant: 湖南大学
IPC: G06T7/00 , G06V10/774 , G06V10/82 , G06K9/62 , G06N3/04
Abstract: 本发明具体公开了一种基于混合监督学习的表面异常检测方法。所述方法包括以下步骤：首先获取表面正常的正常样本以及表面异常的异常样本并进行预处理；并构建包括异常定位网络、自注意力网络和异常判别网络的神经网络模型，然后将预处理数据输入神经网络模型中进行训练以获取异常检测神经网络模型；最后将待测图像数据输入异常检测神经网络模型中，进而能够自动判别待测图像是否存在异常以及对异常区域进行定位。本发明中只需要对少量异常样本进行粗糙标注，无需提供大量精细标注的缺陷样本作为训练样本，减轻了全监督学习的高精度标注需求，大大降低了标注成本，提高了检测效率，能够准确高效完成工业表面检测任务。
-
公开(公告)号：CN112736955A
公开(公告)日：2021-04-30
申请号：CN202011250565.7
申请日：2020-11-11
Applicant: 国网经济技术研究院有限公司 , 湖南大学
IPC: H02J3/36 , H02M7/00 , H02M7/155 , H02M7/5387 , H02M5/44
Abstract: 本发明涉及一种LCL‑HVDC三相换流电路，包括：整流端与逆变端的换流变压器，换流阀，直流场平波电抗器LS，交流场的限流电抗器LY,LD和逆变侧受控插入电容器Cs以及并联电容器Cp，整流端的电桥电路包括三个相互并联的臂，每个臂各对应于三相交流电的一个相，每个臂均从整流端的可控硅阀组引出，依次包括限流电抗器LY和并联电容器Cp，三个相互并联的臂的限流电抗器LYa，LYb，LYc的输出端均连接一可控硅阀组，可控硅阀组的输出端连接直流场平波电抗器LS的输入端，直流场平波电抗器LS的输出端连接逆变端的电桥电路。其可以有效降低换流变压器的超高电磁噪声、消除换相失败以及取消交流测滤波器及并联电容补偿。
-
公开(公告)号：CN118226198A
公开(公告)日：2024-06-21
申请号：CN202410540035.8
申请日：2024-04-30
Applicant: 南方电网科学研究院有限责任公司 , 湖南大学
IPC: G01R31/08
Abstract: 本申请公开了一种配电网安全隐患识别方法及装置，本申请提供的技术方案通过获取配电网的无人机巡检图像和电气量测数据，针对数字类的电气量测量数据，通过电气量突变检测方式，得到故障后预设周波内的各区段的电气突变量数据，并计算各区段的电压突变量与电流突变量间的相关系数，结合通过基于数字类数据训练的第一识别模型对相关系数进行分析处理，得到第一识别数据，针对无人机巡检图像，则通过图像类数据训练的第二识别模型对相关系数进行分析处理，得到第二识别数据，最后通过两种识别数据融合得到的综合识别数据，确定配电网的安全隐患识别结果，实现了综合多源信息进行故障隐患识别，使得识别结果准确度更高，结果更加可靠。
-
Patent Agency Ranking
公开(公告)号：CN113673354A
公开(公告)日：2021-11-19
申请号：CN202110838489.X
申请日：2021-07-23
Applicant: 湖南大学
Abstract: 本发明公开了一种基于上下文信息与联合嵌入的人体关键点检测方法，该方法包含以下步骤：S1：获取训练数据；S2：搭建人体关键点检测模型；S3：构建人体关键点真实标签热图和联合嵌入值标签热图；S4：使用训练数据对人体关键点检测模型进行训练，得到训练后的人体关键点检测模型；S5：使用验证数据对人体关键点检测模型进行评估，选取最优模型；S6：重复步骤S4至S5，至全部训练数据被训练完成，得到最优模型；S7：利用最优模型进行人体关键点预测。该方法通过上下文融合模块对特征图中的像素内在相关性进行建模，提高了对关键点像素位置的预测进度，同时通过构造联合嵌入损失，降低训练难度加快收敛速度，保证不同人体关键点之间的正确匹配。
-
公开(公告)号：CN113610822A
公开(公告)日：2021-11-05
申请号：CN202110927828.1
申请日：2021-08-13
Applicant: 湖南大学
Abstract: 本发明公开了一种基于多尺度信息融合的表面缺陷检测方法，包括：获取待测物品的表面缺陷图像以及标注了缺陷真实坐标值与缺陷类别的标签文件，构建缺陷数据集；对缺陷数据集进行预处理，得到预处理后的缺陷数据集；搭建缺陷检测网络，缺陷检测网络包括特征提取模块和缺陷预测模块，特征提取模块包括主干网络、高层特征融合模块和相邻特征融合模块，缺陷预测模块包括目标区域提议模块和缺陷定位网络；根据预处理后的缺陷数据集对缺陷检测网络进行训练，得到缺陷检测模型；获取待测物品的待检测表面图像，根据待检测表面图像和缺陷检测模型得到表面缺陷检测结果。有效提高检测效率和准确性。
-
公开(公告)号：CN112967271A
公开(公告)日：2021-06-15
申请号：CN202110317123.8
申请日：2021-03-25
Abstract: 本发明提供了一种基于改进DeepLabv3+网络模型的铸件表面缺陷识别方法包括如下步骤：步骤S1、采集铸件图像数据集，获得训练集和测试集；步骤S2、构建网络模型，并通过训练集和测试集对网络模型进行数据训练和修正，生成缺陷检测网络；步骤S3、设计缺陷检测网络的损失函数；步骤S4、所述缺陷检测网络识别并输出铸件缺陷检测结果，并显示检测时长。本发明采用深度学习的方法对铸件表面缺陷进行识别，提升了缺陷识别的精度和速度，为工业铸件质量检测提供新思路。
-
公开(公告)号：CN113673354B
公开(公告)日：2024-02-20
申请号：CN202110838489.X
申请日：2021-07-23
Applicant: 湖南大学
IPC: G06V40/10 , G06V10/75 , G06V10/774 , G06V10/80
Abstract: 本发明公开了一种基于上下文信息与联合嵌入的人体关键点检测方法，该方法包含以下步骤：S1：获取训练数据；S2：搭建人体关键点检测模型；S3：构建人体关键点真实标签热图和联合嵌入值标签热图；S4：使用训练数据对人体关键点检测模型进行训练，得到训练后的人体关键点检测模型；S5：使用验证数据对人体关键点检测模型进行评估，选取最优模型；S6：重复步骤S4至S5，至全部训练数据被训练完成，得到最优模型；S7：利用最优模型进行人体关键点预测。该方法通过上下文融合模块对特征图中的像素内在相关性进行建模，提高了对关键点像素位置的预测进度，同时通过构造联合嵌入损失，降低训练难度加快收敛速度，保证不同人体关键点之间的正确匹配。
-
公开(公告)号：CN118397356A
公开(公告)日：2024-07-26
申请号：CN202410548185.3
申请日：2024-05-06
Applicant: 南方电网科学研究院有限责任公司 , 湖南大学
Abstract: 本申请公开了一种安全隐患检测方法、装置、设备及可读存储介质，该方法可获取双目相机采集的左目检测图像以及右目检测图像；基于目标检测算法，从左目检测图像中提取与安全隐患物及所述电力设备匹配的左目感兴趣区域，并从右目检测图像中提取与安全隐患物及电力设备匹配的右目感兴趣区域；根据左目感兴趣区域及右目感兴趣区域，确定每个目标隐患物与所述电力设备间的距离；判断各个距离中是否存在大于预设的距离阈值的距离；若是，则确定所述电力设备所在区域存在安全隐患；若否，则确定电力设备所在区域不存在安全隐患。可见，本申请提供了一种安全隐患检测方法，其不需要一线员工深入各种深山草地也可以完成各个电力设备的安全排查。
-
-
-
-
-
-
-
-
-
Search Results
12
records
(took 0.026 seconds)
