作者：谢晓娜,常政威,邓元实,等
页数：176
出版社：中国电力出版社
出版日期：2023
ISBN：9787519881948
电子书格式：pdf/epub/txt
内容简介
本书着重介绍电力作业现场危险态势感知与智能风险管控技术，设计了电力作业现场危险态势感知与智能风险管控系统，为电力现场作业精准安全风险管控提供了辅助决策。
本书共6章。第d一章概要介绍电力作业危险态势感知的风险管控的现状与风险管控存在的不足。第二章为作业危险感知与智能风险管控技术基础，包括危险要素的感知、危险要素的量化与风险管控。第三章为电力作业运动目标三维场景位置感知技术，主要介绍运动目标稀疏点云重建技术、基于UWB与视频融合的联合定位技术。第四章为基于机器视觉的危险态势感知技术，主要介绍深度学习技术实现入侵检测、目标识别与行为检测。第五章为基于多维信息融合的作业现场风险评估与预警技术，主要对多维信息融合、现场风险评价与预警进行了详细的分析。第六章从硬件设计、软件开发两个方面介绍电力作业现场风险智能管控体系，并对典型的应用场景进行了介绍。
本书适用于电力安全管理领域的从业人员，为其提供实用的安全知识和技术支持，保障电力行业安全发展。
作者简介
谢晓娜，女，副教授，生于1978年12月，中共党员，研究生学历，毕业于电子科技大学，计算机软件与理论专业，博士。主持或参与了十余项科研项目，其中1项国家级项目，3项省部级级项目；以第d一作者身份发表论文十余篇；取得授权专利20余项（第d一发明人）；获得省部级科技进步奖三项和行业科技进步奖十余项。2014年获计算机软件与理论专业工学博士学位。常政威，博士，正高级工程师，国网四川省电力公司研究生工作站企业导师，电子科技大学研究生导师，四川省杰出青年科技人才计划入选者，人工智能四川省重点实验室学术骨干。现任国网四川电科院发展安监部主任，历任仿真技术所副所长、继保及自动化技术室主任、四川省电力公司通信自动化中心信息应用处副处长（挂职）等多个专业负责人。主持完成四川省重点研发项和国网四川省电力公司科技项目12项，从事电力仿真、视频监控、智能电网信息技术、电力机器人、“互联网 ”安全管控等研发。获得1项全国优秀质量管理小组、1项国家级企业管理创新成果二等奖、10项省部级科技成果奖、21项发明专利、25项软件著作权，发表39篇论文，出版《电网视频监控系统检测平台开发及应用》《大数据在电力企业的应用》等著作。
本书特色
分析建立在电网实际技术发展和作者多年研究基础上，为电力作业现场智能安全管控技术的发展提供了具有实际价值的参考，具有系统性和前瞻性，实用性强
目录
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
