融合WSN与RFID的输电线路杆塔状态监测网络低延时技术

杆塔是输电线路体系中的关键组成部分,其稳定可靠性是整个输电线路运行安全的重要保障。本文提出一种融合无线传感器网络(wireless sensor network, WSN)和射频识别技术(radio frequency identification, RFID)的输电线路杆塔状态监测网络,具有监测成本低、故障定位迅速和适合长期监测的优点。中继节点设置是所提出监测网络性能研究的关键,因此本文建立了中继节点传输延时模型,有利于分析不同条件下的监测网络延时性能。针对RFID冗余数据导致的融合监测网络延时,提出一种适用于输电线路杆塔状态监测RFID冗余数据处理方法,能有效削减阅读器端采集的冗余数据,具有算法简单、实时性强等特点。     

基于深度信念网络的磷石膏充填材料强度预测

针对目前现有的强度预测方法精度低,提出提取输入参数的深层连接的深度信念网络(DBN)强度预测模型,并采用量子粒子群优化算法(quantum particle swarm optimization,QPSO)来确定DBN的隐含层节点个数和学习率。为获得最优的预测性能,以充填材料的成分及其尺寸作为基于DBN的预测模型的输入,输出充填材料的抗压强度。实验结果显示,该预测方法仅用了1.89 s的预测时间且精度达到99.84%,相比于广泛应用的BP神经网络、RVM(relevance vector machine)、SVM(support vector machine)三种算法在精度和时间上都有显著提升。