谷歌眼镜的功能(基于谷歌眼镜的故障录波信息的提取)

文摘：电力系统故障录波信息不仅是研究现代电力系统故障的基础，也是评估继电保护设备和分析电力系统安全稳定的基本条件。为了实现录波信息的实时传输，我们采用谷歌眼镜作为设备终端，可以直接监控设备的运行状态，获取故障信息。通过谷歌眼镜，我们可以更快地获得电力系统的状态和录波信息，从而做出判断，防止保护装置的误动作和故障。关键词：电力系统；断层录波信息；谷歌眼镜1号故障录波的研究现状适应了计算机技术和网络通信技术的快速发展。数字化变电站已经成为变电站自动化技术的发展方向。传统电源故障录波的对模拟量和开关量的采集需要通过硬电缆连接到设备上；当系统需要扩展或改变收集的对图像时，它通常是不灵活的。数字化分布式故障录波已成为数字化变电站内录波，故障的新研究点和热点。谷哥眼镜的技术特点及移动终端通信应用的设计思路。本应用程序的主要功能模块包括捕获和预览，发送数据线程发送一帧JPEG图像数据，接收数据线程接收并回显服务器处理后的图像数据。当谷歌眼镜与服务器连接时，谷歌眼镜需要将自己采集的图像数据传输到服务器。服务器的测试程不对对，的图像进行任何处理，然后将其传输回谷歌眼镜。起初，谷歌眼镜捕捉和保存图像，这可以通过基于安卓相机框架的一些界面功能来实现。使用初始化相机功能初始化谷歌眼镜的相机，然后调用相机对图像中的开始预览方法，在谷歌眼镜上开始预览以观察效果。因此，每一帧图像都需要预先用一个整数n来表示阵列长度，这可以称为“阵列帽”。数据传输的初始算法是单线程传输算法，即图像数据传输是在单线程，和谷歌眼镜上实现的，先传输一帧图像，然后等待服务器接收！服务器收到图像后，会将收到的图像发回。由于图像采集是连续的，所以帧图像是连续的，实现了图像的实时双向传输。但是，在谷歌眼镜的传输和服务器返回的数据之间，谷歌眼镜处于空闲状态，对应的服务器也有这样的空闲状态，即“传输等待传输”，这增加了图像传输的时间，降低了应用情况下的传输效率。对'上述方法的缺陷本文提出了一种新的图像数据传输方法，称为“双线程算法”，在客户端主程序列中创建两个子线程。程，子线只发送图像，程，子线只接收图像，因为同一主程序列下的线路程可以并发执行。因此，谷歌眼镜可以使用子线的程B接收服务器返回的一帧图像，而使用子线，的程A发送一帧图像，从而实现并发发送和接收，从而消除了等待时间，缩短了图像传输时间，提高了传输效率。根据安卓系统的特点，子线程被视为一个类实现对象)，有自己的成员和方法。

要实现上面的“10015.com/-10016.com/algorithm”，需要启动子线程B接收数据，然后创建一个对图像C发送数据。复制要发送到子线程A的图像数据在这个程序列中，复制数据的方法被写入对图像C的构造器中，也就是说，当创建对图像C时，复制数据的方法已经开始执行。当子线程B得知对图像C被创建时，它立即创建了子线程A来发送数据。当子线程得知数据已经被复制到它自己的数组成员中时，它立即将数组加载到输出流中，通过套接字将“数组帽”添加到流中的数据中，并将其发送到服务器。与此同时，程B线创建了一个接收数据的套接字。一旦输入流中有数据，它就接收并接收一帧图像，然后使用位图类将其加载到屏幕上，以便在实际应用中，工作人员可以看到处理后的医学图像。某些函数不可避免地会嵌套在算法的程中。提取录波的方法和步骤通过分析商贸统计数据库文件，提取并分析其中的数据，得到的信息有：故障类型和故障相位、故障发生时间、保护启动时间、断路器启动时间、故障消除时间等。然后信息被转换、计算并编译成图像和数据，这些图像和数据通过服务器和通信设备被传输到谷歌眼镜用于直接成像。3.1故障类型和故障相位故障类型和故障相位的获取是正确获取其他信息的基础。获取故障类型和故障相位的基本方法是电流突变法作为保护启动的判据。相电流突变的起始判据是：在上式中，表示任意相电流；l是采集信号中一个周波的采样点数；表示第k时刻的相电流值、第k时刻的前一个周波和第k时刻的前两个周波；相电流突变启动算法设定值。零序电流突变的起始判据如下：在上述公式中，l是所取信号中一个周波的采样点数，分别代表第k时刻的周波、第k时刻之前的一个和第k时刻之前的两个周波；它是相电流突变的整定值。具体步骤如下：(1)首先判断对零序分量，如果满足启动条件，则为接地故障；如果不满足条件，则是相间或三相故障。(2)判断对，三相电流的突变，得到故障相。3.2采样方案故障发生时间的提取原则也是基于电流的突变。Comtrade文件通常按顺序定义多个采样频率，触发保护动作的数据点通常采用第一个采样频率。如果触发启动的数据点的序列号为n，comtrade中记录的数据启动时间为，第一次采样频率为，则故障发生时间可以通过以下公式计算：根据录波文件中开关值的变化提取保护启动时间和断路器启动时间的数据。当相关通道的开关值从0变为1时，则认为相关元件已启动。此时，提取方法与故障发生时间的提取方法相同。考虑到多次启动的情况，在不失去一般性讨论的情况下，假设数据启动时间为，有m个采样频率，第I个采样频率的对中的采样点数为，并且故障发生在第t个采样频率的第n个采样点，启动时间可以通过以下公式计算：故障消除时间的提取也基于当前的变异算法。当电流突变小于某一设定值时，认为故障已消除。