变压器油色谱远程在线监测与诊断系统

本文阐述了变压器远程在线监测与诊断系统——卫士2000系统的原理及结构,分析了系统所采用的技术,介绍了系统信号采集功能测试、监测系统在咸阳供电局的应用情况。该系统以油色谱在线监测为主,同时可兼容变压器局部放电监测、套管绝缘监测等在线监测模块,可对电力变压器实施全面的在线状态监测。该系统可组成具有远程监测与故障诊断的多级数字监控网络,通过系统提供的状态监测数据与诊断结论,为电力变压器提供在线监测与故障诊断的整体解决方案。     

水质远程监测数据采集系统设计

目前水质问题日益严重,且水质监测数据单一,不能很好反映污染情况,所以设计一个水质远程监测系统可以使水质监测工作系统化、信息化。设计的水质监测系统分为现场监测部分和水质监测中心机房部分。现场监测部分主要是现场水质监测采集模块和远程测控模块。水质监测中心部分就是带有数据记录储存的计算机,用于保存数据。本设计以水的酸碱度为主,温度为参考量,用单片机采集参数,通过485总线可与远程测控模块相连实现水质远程监测数据采集任务。     

基于3G MODEM的水质远程监控系统的设计与研究

饮用水安全现已成为制约社会发展的重要因素，加强水源地水质监控力度势在必行，然而目前偏远水源地的水质监控技术仍存在部署成本高、及时响应困难等问题。该文在分析现有水质自动监测系统通信传输技术的基础上，介绍了基于3G MODEM的水质远程监控系统的实现方案及短信通信控制方案，并结合同类实时监控系统的类似应用，提出本系统在偏远水源地水质远程监控的应用可能。     

基于特征语谱图和自适应聚类SOM的快速说话人识别

为获得说话人发音特征,基于仿生思想,提出一种基于语谱图统计的方法,通过对说话人短时语谱图的线性叠加获得可表征说话人稳定发音特征的特征语谱图。为解决资源受限的设备中说话人识别系统网络训练速度慢、识别效率低的问题,基于传统自组织映射(self-organizing feature map,SOM)神经网络提出了一种自适应聚类SOM (adaptive clustering-SOM,ACSOM)算法,随着待识别说话人数的增加,自动调节增加竞争层神经元个数,直至聚类数达到说话人个数。采用该AC-SOM模型对100人的自建特征语谱图样本库进行聚类识别,最大训练时间只需304 s,最大单张识别时间小于28 ms;在识别人数相同时,相对于所对比的其他识别方法,该方法大大提升了网络训练速度和识别速度,满足了边缘智能(edge intelligence)系统中对数据处理与执行的实时性的要求。     

深水网箱中鱼群与水质环境的安全监测系统

为了更好地开展渔业养殖中深水网箱中鱼群状态与水质环境的安全监测,提出了一种深水网箱鱼群与水质环境安全远程监测系统.该系统使用声学方式对鱼群分布状况进行监测;同时采用传感器对水质环境的温度、溶解氧、p H值等进行监测,监测结果通过无线数据传输方式实时传送至微处理器,完成信号去噪、数据提取、显示及报警等.实验结果表明,该监测系统性能稳定可靠,结合嵌入式控制技术与无线数据传输技术,监测操作简便,移动性好;同时兼顾鱼群与水质环境安全,监测更全面到位,在推广深水网箱养殖安全配套设施上具有良好的应用前景.     

造纸废水治理系统改造工程实例分析

结合漯河某特种纸业废水污染物的监测和改造经验,总结了造纸废水污染物特点及产生环节,并采用封闭式筛选、高效除渣,高压喷网．白水回用等综合治理技术有效控制了废水污染。以该造纸公司为例,对生产工艺及废水回用系统改造工艺进行了分析。改造后的生产工艺及废水回用系统能够连续可靠运行,浆料筛选净化效果好,废水和废渣排放量少;新鲜用水量减少,回用水量大。系统维修维护费用少。排放废水中的各项水质指标远低于相应标准限值,可实现逸标排放。     

水电机组远程状态监测、跟踪分析与故障诊断系统

结合所研发的水电机组远程状态监测、跟踪分析与故障诊断系统,讨论了水电机组状态与诊断相关技术,介绍了系统的网络化体系结构、主要功能、关键技术及实现方法。该系统具有基于In ternet/In tranet的开放式结构,实现了远程监测诊断,功能完备且面向实际。实际应用表明,该系统兼具技术的先进性和实用性,运行稳定可靠,可广泛应用于各类水电机组状态监测与故障诊断场合。     

基于ARM和ZigBee的水产养殖水质监测系统设计

针对现有水质监测系统存在的布线麻烦、成本高、维护扩展不便等问题,将嵌入式技术和无线传感器网络技术相结合,设计了一种无线水产养殖水质监测系统.该系统以S3C2440A微处理器为控制核心,由CC2530和JG-Fourpro-485多参数水质传感器构成数据采集传输网络,通过嵌入式网关和Wi Fi模块实现监测数据的实时远程在线查询.实验结果表明,该系统监测点布置灵活,数据通信通畅有效,传输距离可达75 m左右,可满足水产养殖水质监测的需要.     

电梯远程监测及故障诊断专家系统

介绍了电梯计算机远程监测及故障诊断专家系统的设计思想、功能特点及软硬件构成．该系统采用分布式监测系统;故障诊断专家系统中采用框架知识表示形式,混合推理策略,具有知识获取能力,诊断过程解释功能．系统实现了电梯的远程实时监测,大大提高了故障诊断效率     

舰艇化学侦察中的毒剂识别技术

为了更有效地对海战场化学战剂实施监测与快速准确识别,提出将多传感器信息融合（MSIF）技术、小波分解和神经网络应用于舰艇化学侦察领域中,构建了多传感器融合式舰艇化学侦察系统模型。同时,把小波分析和神经网络有机地结合起来,创建一套基于小波变换和神经网络的化学战剂特征快速提取与识别系统——神经网络识别毒剂系统,建立了带有偏差单元的递归神经网络识别毒剂模型和基于小波分析的毒剂特征提取方法。实验与仿真结果表明;利用基于MSIF技术和小波分析的神经网络识别毒剂系统,对毒剂进行定性定量分析是切实可行的,该方法能显著提高测量结果的准确性和可信度,且结果具有可重复性。     

数据挖掘在电力负荷坏数据智能辨识与修正中的应用

负荷历史数据由于各种原因含有一定的坏数据,在进行高精度的电力负荷预测或系统分析前必须对历史数据进行预处理.本文采用基于加权核函数的模糊C均值聚类的改进算法-WKFCM,以核诱导距离的简单两项和替代欧氏距离作为聚类目标公式的不相似性测度函数,减小了计算复杂度.对数据进行聚类之后,采用收敛速度快、模式分类能力强的超圆神经元网络数据辨识模型,并对识别出的坏数据进行修正,实例证明本文提出的数据处理模型具有较好的效果.     

基于深度学习声谱图分类的"听声识风"

将深度学习与声谱图相结合,提出了一种新型的风级识别方法——"听声识风". 在实验室条件下模拟1~4级风并记录对应风声音频. 通过傅里叶变换等方法将风声音频转换成声谱图,共得到2 608幅二维声谱图像用作数据集. 将声谱图数据集导入深度卷积神经网络GoogLeNet中进行风力等级识别,测试准确率达到了99.6%. 为了进一步证明实验结果的可靠性,将声谱图数据集分别导入ResNet18、ShuffleNet中进行训练,均获得了99.2%的测试准确率,结果表明该方法可以有效地进行风级识别. "听声识风"研究首次通过深度学习声谱图分类实现了对风级的识别,这是一种智能的、快速的风级识别新方法.     

有机灰色神经网络模型在河流水质预测中的应用

针对灰色预测对波动较强的序列只能预测大致变化的缺陷,在分析河流水质动态变化的基础上,结合灰色理论中的GM(1,1),无偏GM(1,1)和RBF神经网络的特点,提出有机灰色神经网络预测模型,将灰色模型得到的数值作为神经网络的输入,原始数据作为神经网络的输出,训练得到最佳神经网络结构.以某地区河流水质为例,根据其变化规律,应用有机灰色神经网络模型进行预测,结果表明,该模型拟合误差小,预测精度高.     

深水桩墩结构振动台试验及地震响应预测分析

动力模型试验是研究桥梁结构抗震设计理论的重要方法,而神经网络技术对非线性系统具有很好的辨识和预测功能.为了分析地震动作用下动水压力对结构的影响及探索神经网络应用于地震响应预测分析的可能性,进行了水下桩墩结构振动台模型试验及其仿真预测,衡量了水下桩墩结构的地震响应和动力特性.首先,介绍了相似律的选取、模型制作、试验现象及试验结果分析;然后,基于神经网络的预测功能,对模型试件的地震响应进行预测,并与试验结果对比研究;最后,分析试验结果及预测误差.试验结果表明:结构周围水体的存在改变了结构的地震响应及动力特性;训练有素的神经网络模型可以作为一个有用的工具,用于结构的地震响应预测.     

基于双重数据增强策略的音频分类方法

卷积神经网络模型作为音频特征提取器具有较好的应用效果,但该类模型的训练过程对数据量要求比较高。针对这一问题,本文提出一种基于双重数据增强策略的音频分类方法。首先采用传统音频数据增强方法(旋转、调音、变调、加噪),并将增强后的数据转化为语谱图,再采用随机均值替换法进行谱图增强。在此基础上训练Inception_Resnet_V2神经网络模型作为音频特征提取器,最后训练随机森林模型作为分类器完成音频分类任务。实验结果表明,与已有方法相比,采用双重数据增强策略可明显提升音频分类精度,并且训练出的特征提取模型具有较强的泛化能力。     

基于Gamma tone滤波和PCNN的说话人识别

为了更好地提取说话人的特征,对语音进行滤波的预处理。Gamma tone滤波器可以很好模拟基底膜滤波器的形状,因此本文采用作为标准耳蜗听觉滤波器的Gamma tone滤波器对语谱图进行滤波,再通过脉冲耦合神经网络来提取说话人特征进行分析。仿真结果表明,由该方法得到的说话人的熵序列与自身熵序列的欧氏距离较未经过Gamma tone滤波的小,提高了识别率。     

基于动态模糊神经网络的非线性系统辨识

在分析模糊神经网络辨识特点及现状的基础上,设计了一种适用于非线性多输入系统的辨识模型。本模型将T-S模糊模型与5层动态模糊神经网络结构相结合,通过参数学习算法优化辨识结构,对辨识模型进行反馈调节,得到的辨识精度较高。另外,对输入数据采用归一化的方法进行预处理,加快了网络的辨识速率。最后,通过仿真实例证明了该设计的有效性,为模糊神经网络辨识结构的设计提供了一种新的思路和方法。     

不稳定试井分析中参数识别的神经网络方法

在不稳定试井分析中,调整试井解释参数往往花费解释人员大量的时间。特别,当试井解释参数较多时,进行参数调整就更为困难,有时得不到一个合理的参数识别结果。因此,研究新的试井解释参数识别方法势在必行。目前,典型曲线的自动拟合方法是其研究成果之一,但由于数值计算方法的局限,使得该方法难于推广。文中研究了基于神经网络的系统辨识方法在不稳定试井分析参数识别中的应用。通过神经网络对一实际的油气藏系统进行建模和辨识,从而由新的神经网络模型可以获得参数识别结果。着重讨论了均质地层和双重介质地层的压力不稳定测试的参数识别问题,一个实例的分析显示了该识别算法的特性。     

三维谱特征下的汽车尾气评估方法

针对汽车尾气排放的非线性、时变性问题,提出一种三维谱特征下的汽车尾气评估方法。该方法利用频谱分析的原理对汽车尾气进行时频转换,得到尾气的三维谱特征。这些三维谱特征作为输入被提交给径向基神经网络,在K均值聚类算法的驱动下,径向基神经网络完成训练与测试,实现对三维谱特征的分类,从而评估相应的汽车尾气排放水平。数值实验结果表明,提出的汽车尾气评估方法具有较高的准确性。     

改进BP神经网络在流型智能识别中的应用

为了克服ＢＰ神经网络的易陷入局部极小、收敛速度慢等缺点,利用非线性最小二乘法对其进行了改进,改进后的ＢＰ神经网络的收敛速度提高了１￣２个数量级,同时利用压阻式压关器测得了水平管内油气水多相流压差信号,根据分形理论中的重要构相空间法提取出压差信号的特征向量,再将特征向量送入改进的ＢＰ神经网络中,从而完成对油气水多相流流型的智能识别,结果证明,改进的ＢＰ神经网络能有铲地自动识别出油气水多相流的流型。