7篇关于电力巡检的计算机毕业论文

今天分享的是关于电力巡检的7篇计算机毕业论文范文, 如果你的论文涉及到电力巡检等主题,本文能够帮助到你

电力巡检GIS系统的研究与实现

这是一篇关于电力巡检,BaiduMap,Android,VRP模型,蚁群算法的论文, 主要内容为随着社会信息化技术和手段的逐步提高,信息化管理及应用也逐渐渗透到各行各业的各个角落,并成为行业信息管理重要手段。电力作为人民生产和生活的重要支撑,对信息化的需求也越来越强烈。然而传统电力巡检业务的信息化程度低,同时已经在电网体制改革进程当中暴露出许多问题,因此结合多种信息化技术,设计开发一套新型的电力巡检GIS系统,改善目前存在的问题、减轻巡检人员劳动负担、提高巡检人员的效率与准确性,具有较好的研究意义。论文首先分析了国内外电力巡检技术的研究现状,而后给出了电力巡检业务、用户管理以及系统功能等各方面的需求分析报告;并针对传统电力巡检过程中存在巡检结果不够客观、巡检方式落后导致的效率偏低、巡检监督工作不便等问题,提出了C/S结构和B/S结构混合的电力巡检GIS系统。系统主要由位于服务器端的电力巡检管理和基于Android系统的智能电力巡检终端组成,给出了巡检系统的PostgreSQL数据库设计。接着介绍了基于J2EE技术、SSH框架、BaiduMap API、Ajax、GPS、JSON、Android系统等技术的电力巡检管理端和智能终端的开发工作。最后针对巡检路径规划的不合理问题,结合巡检业务研究结果,给出路径优化的目标函数和约束条件,并建立电力线路巡检的VRP模型,最后采用改进的蚁群算法对其进行求解,并将其应用到电力巡检GIS系统的巡检路径优化中,实验结果和实例验证结果表明优化算法效果较为理想。通过本系统的使用,巡检管理人员通过巡检服务端实现任务的制定、巡检路径规划、巡检数据以及缺陷的查看分析等手段,可实现基于电子地图的任务可视化监督管理等功能,方便线路巡检管理人员的监督,也使得任务制定更加科学;另一方面,巡检人员使用巡检终端可实现上传GPS坐标、缺陷标记和描述、巡检现场的影像采集等功能,使巡检结果更为客观准确和无纸化操作,减轻了巡检人员的工作负担,提高了巡检工作效率。电力巡检GIS系统有助于电力行业的信息化、高效化,对于电力业务的发展有着深远的意义。

基于深度卷积神经网络的航拍销钉缺失检测方法及应用研究

这是一篇关于销钉,电力巡检,卷积神经网络,缺陷检测,深度学习的论文, 主要内容为由于传统人工识别电力巡检图像效率低下,深度学习被广泛应用于电力巡检中,极大的提升了对电网的巡检效率。目前,大多数的研究集中于对均压环、挂板和绝缘子等大目标的检测,对销钉级别的小目标检测研究甚少。而销钉在对电力元件的连接、固定中起着十分重要的作用,因此,对销钉缺失检测在维护电力系统的安全运行中意义重大。然而,由于航拍输电线路图像中销钉所在背景复杂、特征不明显、目标小等因素影响,目前的检测算法难以达到应用需求。为此,本文将航拍图像中的销钉作为研究目标,借助深度卷积神经网络对销钉目标进行缺失检测,针对如何提升检测精度和检测和速度进行研究,并在输电线路电力巡检图像检测与管理系统中进行应用,主要工作归纳如下:首先,针对复杂背景下的电力巡检图像,为了提升对销钉缺失检测的精度,提出了一种基于注意力机制的单阶段目标检测方法。在该算法中,利用Kmean++聚类算法重新定义的Anchor,并选取与之相适应的Focal Loss参数;使用Dense Net代替Res Net作为特征提取网络,提高特征信息的质量;在Retina Net结构中引入Bottom-up连接通路及通道注意力机制,提高模型泛化能力和高层的结构信息。通过构建输电线路销钉数据集和公开数据集RSOD进行实验,结果证明了该算法的有效性,对输电线路中销钉缺失检测具有较好的效果。然后,为了进一步提升对销钉缺失检测的精度和速度,更好的体现工程应用价值,提出了一种基于级联卷积神经网络的航拍图像销钉缺失目标检测方法。借助小尺度浅层全卷积神经网络获取兴趣区域;较深层的卷积神经网络对得到的兴趣区域实现的目标分类和定位。在此基础上,引入非线性多层感知器并对卷积核进行分解,同时将多尺度特征图进行融合,在分类交叉熵损失函数中加入角度变量,加强对小目标的提取能力,提升检测速度;训练阶段利用多任务学习和离线困难样本挖掘策略,提高对困难目标的检测精度。实验结果证明了该算法在检测精度和速度上有所改善,进一步的解决了输电线路中对销钉缺陷识别的工程应用问题。最后,设计并开发了一套电力巡检图像检测与管理系统。利用该检测系统,能够实现对销钉的自动检测,很好的处理了电力巡检存在的具体问题,体现了其工程应用的定位。

电力巡检GIS系统的研究与实现

基于图像识别的耐张线夹压接缺陷检测方法研究

这是一篇关于图像识别,电力巡检,YOLO算法,耐张线夹,图像处理的论文, 主要内容为耐张线夹是架空输电线路中连接绝缘子和导线的部件,耐张线夹的压接缺陷会直接影响线路运行安全甚至导致电网的大面积瘫痪。因此,输电线路运维工作中提高耐张线夹压接缺陷的检测效率和检测精度是预防事故的关键。本文对耐张线夹压接缺陷的智能检测方法进行研究,提出了基于X射线图像识别的检测方法,能够完成耐张线夹防滑槽压接缺陷的自动识别。完成了针对耐张线夹防滑槽压接缺陷X射线图像的采集与标记并通过几何变换和像素变换对图像样本进行扩增,通过中值滤波对图像进行去噪处理,利用基于拉普拉斯的图像锐化方法和直方图均衡化方法对图像进行边缘信息增强和对比度增强;利用搭建的检测模型进行验证,结果证明图像增强能有效提高检测精度,针对耐张线夹的X射线图像,Laplace算子提取边缘的效果优于Sobel算子、Prewitt算子。在对当前目标检测算法分析基础上,采用了基于YOLOv3的模型检测耐张线夹缺陷。针对YOLOv3模型在训练过程中正负样本比例不均衡问题,使用Focal Loss改进YOLOv3损失函数降低负样本和难区分样本对检测结果的影响,结果表明基于YOLOv3的模型对耐张线夹防滑槽压接缺陷测试数据集的识别精度为89.65%,检测速度为每秒20张图像,取得了较好的识别精度和检测效率;为进一步提高检测精度,提出图像自动切割的分层检测方法,通过基于Mobile Net-YOLOv4的模型对图像进行预检测和防滑槽区域定位,根据定位坐标实现防滑槽区域的自动切割,用基于YOLOv3的模型对切割后的图像进行缺陷检测,结果表明分层检测模型在检测速度略微降低的情况下进一步提高了识别精度。

面向电力巡检的无人机管控系统设计与实现

这是一篇关于无人机,电力巡检,参数化建模,轨迹规划,Informed-RRT*算法的论文, 主要内容为目前无人机巡检仍然需要人工操控且无法对巡检人员和设备进行集中式管理。本文通过研究开发面向电力巡检的无人机管控系统,采用参数化建模方式创建无人机自主巡检轨迹,实现无人机自主巡检作业,提高电力杆塔及输电线路巡检效率,保证巡检人员的安全。本文的主要工作内容如下:首先分析电力巡检的作业需求,对不同巡检部件进行分析,其次分析巡检作业中用户使用管控系统的实际需求,根据实际需求对管控系统的功能进行设计,进而制定管控系统整体架构。后台管理子系统主要包括用户管理微服务和设备管理微服务。用户管理微服务可以为用户创建账户,并对用户的角色、权限进行统一管理,设备管理微服务主要对巡检无人机、固定机巢进行统一管理分配。作业控制子系统具备远程操控、杆塔模板创建、制定巡检任务等功能,主要包含用于与巡检设备实时通信的通信网关微服务以及用于任务生成、状态监测、设备操控的巡检作业微服务。为了能够稳定、准确地完成自主巡检任务,本文对快速扩展随机树算法中的RRT算法、RRT*算法、Informed-RRT*算法进行研究。通过解析杆塔模板计算生成机位点数据与拍照点数据,并结合任务表单使用Informed-RRT*算法生成相应巡检方案。最后结合团队自主研发的巡检无人机与固定机巢进行巡检测试,验证各个子系统功能的稳定性和可行性。通过进行通道巡检方案、精细化巡检方案的自主巡检飞行实验,验证了所设计管控系统的各项功能,达到了预期效果。