电力作业现场危险态势智能感知与风险管控

前言 1 概述 1．1 研究的意义 1．2 电力作业危险态势感知的风险管控的现状 1．2．1 危险态势的获取 1．2．2 危险态势量化 1．2．3 作业风险预测 1．3 电力作业现场风险管控存在的不足 1．3．1 电力作业现场危险态势感知不准 1．3．2 风险管控智能化不高 2 作业危险感知与智能风险管控技术基础 2．1 作业危险要素感知技术 2．1．1 作业现场危险态势的种类与特点 2．1．2 班组危险要素的感知 2．1．3 作业现场危险态势感知 2．2 作业现场危险要素的量化技术 2．2．1 作业现场静态危险要素的量化技术 2．2．2 人身风险量化技术 2．2．3 基于事件概率的高危作业权值的计算 2．2．4 基于粗糙集的班组要素权值的计算 2．2．5 电力作业现场风险量化模型 2．3 作业现场危险管控技术 2．3．1 作业现场危险管理原理 2．3．2 电力作业现场风险评估 3 电力作业运动目标三维场景位置感知技术 3．1 基于稀疏点云的运动目标重建技术 3．1．1 区域级特征提取器 3．1．2 区域级注意力机制 3．1．3 点云变形模块 3．1．4 点-区域Transformer网络 3．1．5 动态模型重构 3．2 无线定位感知技术 3．2．1 UWB定位感知技术 3．2．2 基于北斗地基增强系统的位置服务技术 3．3 UWB与视频联合定位技术 3．3．1 UWB辅助的主动视频定位技术 3．3．2 融合UWB与视频信息的被动定位技术 4 基于机器视觉的危险态势感知技术 4．1 基于FairMOT框架的入侵识别技术 4．1．1 FairMOT基本网络框架 4．1．2 FairMOT跟踪流程 4．1．3 损失函数 4．1．4 试验分析 4．2 基于部分亲和字段的OpenPose电力作业人员姿态估计网络 4．2．1 OpenPose与部分亲和字段姿态估计技术 4．2．2 一种轻量化的部分亲和字段的OpenPose姿态识别网络 4．2．3 试验结果与分析 4．3 基于姿态感知与迁移学习的作业人员穿戴识别 4．3．1 基于姿态感知与迁移学习的残差设计 4．3．2 ResNeXt50基础网络的构建 4．3．3 基于ResNeXt网络穿戴区域检测 4．3．4 基于CBAM+ResNeXt特征提取与识别网络 4．3．5 试验结果与分析 4．4 融合注意力机制的电力检修车机械臂状态识别技术 4．4．1 YOLOv5网络结构 4．4．2 一种基于YOLOv5的电力检修车机械臂状态识别技术 4．4．3 融合注意力机制的机械臂状态识别网络 4．4．4 试验结果与分析 5 基于多维信息融合的作业现场风险评估与预警技术 5．1 作业态势感知多维信息融合的技术 5．1．1 多源异构信息融合理论 5．1．2 多源异构信息融合算法 5．2 电力作业实时态势感知与评估 5．2．1 融合多维信息的单目标作业风险实时评估 5．2．2 基于粗糙集理论的班组风险实时评估 5．2．3 基于多元联系数的作业现场危险态势综合评估 5．3 作业现场风险预警与预测 5．3．1 基于三指数平滑法的单指标预警模型 5．3．2 基于云模型的多指标预警模型 6 作业现场风险智能管控体系 6．1 硬件系统设计 6．1．1 视频感知模块 6．1．2 定位模块 6．1．3 信息传输 6．2 软件系统设计 6．2．1 软件总体框架 6．2．2 态势感知模块 6．2．3 实时视频与三维场景融合 6．2．4 风险评估与预警模块 6．3 场景应用 6．3．1 220kV变电站主变压器综合改造作业现场应用 6．3．2 安全工器具检测中心应用 后记 参考文献