编码器

电力人员行为识别是电力系统安全运维的重要环节，现有的人员行为识别算法主要采用支持向量机和多层感知机进行行为分类，存在识别精度低、未考虑人体骨架之间交互关系、迁移性、通用性差等问题。针对上述问题，提出一种基于自注意力与交叉注意力机制的行为分类解码器，充分考虑了人体骨架之间的关联。其分类精度相比传统分类方法提升10%~20%，较深度学习多层感知机（multilayer perceptron，MLP）分类方法提升2%以上。该方法运用编码器-解码器架构的二阶段方法进行行为识别，使得解码器可以适用于任意姿态估计，网络后端具有很强的可扩展性。此外，采用分组解码的方式克服了注意力机制带来的二次方复杂度，使得该解码器可以扩展到更多行为类别，具有更好的普适性。该行为识别算法能够在基于变电站工作场景下的人员图像数据集验证中达到优异的识别效果，综合识别率达91.1%，验证了所提电力人员行为分类方法的有效性和适用性。

电力负荷异常数据将给电力系统规划、负荷预测以及用能分析等带来较大的负面影响，因此亟须对负荷数据异常进行检测与识别。首先，针对电力负荷数据异常分类、原因及其特征开展分析。其次，改进传统Transformer编码器结构，采用多头注意力层代替掩码多头注意力层，同时移除前馈网络，以提高模型对负荷时序序列的全局注意力。基于生成对抗网络(generative adversarial networks,GAN)生成器与判别器的博弈结构，提出一种改进的GAN-Transformer模型，以更好地捕捉趋势性特征并加速模型收敛。然后，引入多阶段映射与训练方法，综合焦点分数打分机制，通过分阶段负荷序列重构帮助模型更好地提取负荷数据异常特征。最后，算例分析结果表明，GAN-Transformer模型在负荷数据异常检测精确率、召回率、F1值以及训练时间方面均具有更优的性能，验证了所提方法的有效性和优越性。文中研究工作为基于深度学习进一步实现电力负荷数据异常分类与数据修复提供了有益参考。

本课题研究的振动碳无人驾驶技术是分别对应研制应用导航定位技术、导航控制技术、机身电气及液压自动控制技术、状态监测与反馈技术、遥控遥感技术等的集成与专属研制开发。通过本次课题研究，形成主要结论如下：（1）、研究开发了振动碳机身电气及液压自动控制系统，集成应用卫星导航定位、状态监测与反馈控制、超声波环境感知等技术，实现了振动碱的无人驾驶作业，精确控制碱压作业，提高了硬压质量和施工效率。（2）、研发的振动碱机身电气及液压控制系统，由电气主控制器完成参数设定，就地控制器控制行走、转向、振动等状态，实现振动碱工作状态的自动控制。（3）、利用卫星定位导航技术实现机身位置、方向定位与路径控制，根据指定施工区域建仓规划，进行碌压路径自动设定及差异化调整。（4）、利用角度编码器、倾斜传感器等进行振动碌行驶状态、姿态的检测，实现了机身自动控制系统的补偿控制，提高作业精度。（5）、研发了振动限显示控制器，进行压参数设定，实现作业区域、作业环境、施工参数及行驶状态等的实时显示。（6）、研究采用的超声波环境感知系统，实现自动障碍避让。开发了低频段无线遥控应急装置，进一步提高了振动应急制动的可靠性。（7）项目成果已在依托工程得到成功应用，已获相应专利，具有通用性，推动了施工机械装备的技术进步，经济和社会效益显著，具有广阔的推广应用前景。

海康微影以红外热成像技术为核心，面向全球提供物联网机芯、模组、红外热像仪产品及解决方案，公司产品及方案广泛应用于安防监控、工业测温、医疗检疫、灾难预防、消费电子、辅助驾驶等多个领域。公司致力于推动核心元器件成本的实质性下降和应用场景的扩展与丰富，引领热成像从小众走向大众。 我司核心产品mini云台和微型云台，采用超轻量小体积设计，设备更轻盈。采用高度集成化设计，内置拾音器，扬声器，距离传感器于一体，产品更智能。采用编码器闭环控制设计，预置位不偏移，云台精度更精准。搭载智能测温算法，测温距离免配置，产品功能更易用。