基于相位特征的保护压板状态的准确识别方法

常规保护压板的人工巡检存在工作量大、易漏检等特点,而在压板上加装智能检测设备又面临复杂度及运维成本增加的问题.针对此问题,提出基于相位特征的保护压板状态的准确识别方法.将该文方法的识别结果与广泛使用的传统方法进行比较,结果表明该文方法有更好的识别准确性和鲁棒性,具有在电力系统大规模推广的价值.     

基于北斗卫星的油田管网巡检系统的设计与实现

为提高油田管网巡检效率, 降低管道传输事故, 提出了基于北斗卫星的油田管网巡检系统的设计方法,给出了系统开发总体设计方案, 详细阐述了基础数据处理与关键功能的实现方法。该系统通过使用北斗短报文技术进行通信, 取代传统管网巡检系统自建基站及使用GPRS(General Packet Radio Service)的通信方式,解决了当前巡检系统在没有无线公网覆盖区无法通信的问题, 同时确立了更适合油区野外作业环境的Dijkstra算法代替传统的A*算法建立路径导航模型。通过两种算法的实际运行比较结果表明, 该软件的路径导航处理效率较同类A*算法模型提高了30%以上。该油田管网巡检系统可较好地提高油田管网巡检效率, 降低管网传输事故率。     

继电保护压板的智能校核方法

继电保护压板位置一般与一次设备运行方式相关,在一次设备运行方式改变时,有时需要改变压板的位置进行匹配。实际运行操作中因压板位置投退错误,已导致多起事故发生。为了避免保护压板出现漏投、误投现象,从搜索一次元件状态、运行方式的角度出发,在采集压板位置信息基础上,提出了一种压板位置与一次元件运行方式匹配状态的智能校核方法。根据一次元件的运行状态及相应的压板整定规则,生成一次元件压板位置关联规则库,利用变电站开关状态信息在变电站倒闸操作后自动识别一次元件状态,与一次元件压板规则库进行比较,当出现不一致时给出报警提示信号,实现了压板位置的智能校核。通过对实际工程中变压器运行转检修操作任务的分析,验证了所提方法的有效性。     

基于灵敏度分析的供水管网模型多目标校核

运用全局灵敏度分析方法(Sobol’法)对供水管网模型中的管道摩阻进行灵敏度分析,选取灵敏度较大的管道进行参数校核,并以实际给水管网为实例进行自动校核工作.校核结果表明,利用Sobol’法求得管道灵敏度后,只校核灵敏度较高的管段摩阻,减少了决策变量的个数,大大降低了校核时间,运用精英型非支配排序的多目标优化算法(NSGA-Ⅱ算法)进行求解,提高了校核效率,达到了预定的精度要求.     

电信计费日常巡检及故障检测方法的研究与设计

为了保障计费系统的正常的运行,需要一种适合于日常巡检的方法,以达到及时发现故障,进行故障预警的目的。使用IDS和ANN技术,建立了一种计费系统日常巡检的方法。根据计费中心对日常巡检的要求抽取了有代表性的指标特征,建立了一个基于BP的异常检测模型,并利用抽取的特征数据进行了BP网络训练的实验。     

基于机器人的地下电缆巡检与故障定位装置设计

为了克服传统电缆故障检测方法效率低、故障与异常点查找困难、不能对故障隐患进行早期预测等缺点,设计了基于机器人的地下电缆巡检与故障定位系统,该系统不仅可以发现故障隐患,预防恶性事故的发生,还可以实现对短路、断路等故障的快速、准确的识别和精确定位.侧重介绍了地下电缆巡检与故障定位系统的组成、工作原理、故障检测与定位方法、机器人的选型、温度传感器的选型等内容.工程实践表明,该系具有结构简单、可靠性高、工作稳定、故障处理速度快等优点,可用于通信、航空、航天、工业等多种领域.     

基于时间序列ARIMA模型的电力负荷短期预测分析

科学的预测电力负荷数据可以更有效地进行电力生产规划和电力供需调整。本文基于代顿市2017年度电力负荷数据构建ARIMA模型,并使用该模型预测2018年的第一个月。并与1月份的实际数据进行比较,验证了模型的真实性和可靠性。研究结果表明:ARIMA(1,1,1)具有良好的预测结果和准确的预测精度。平均预测误差约为4.00%,达到了最小误差的预测效果。     

目标检测在电力巡检中的应用与发展趋势

电力巡检是保障电力稳定输送的重要因素.随着无人机巡检在电力巡检领域的广泛应用,产生大量的巡检图像需要人工进行检测.由于工作强度高、效率低且容易受人为因素影响使检测效果参差不齐.因此,基于计算机的目标检测算法对巡检数据进行处理十分必要.首先介绍基于传统特征提取目标检测和基于深度学习目标检测以及它们在电力巡检的应用;其次从目标检测应用在电力领域的趋势出发,具体探讨基于深度学习目标检测技术在电力巡检的应用前景;最后对巡检数据集的建立、网络模型轻量化和检测方法三个关键问题进行了重点阐述.     

建筑物基础沉降径向基神经网络预测

为解决建筑物基础沉降量的安全监测问题,对其进行有效的预测、校核与分析,运用MATLAB软件建立径向基神经网络模型对某市建筑物的基础沉降量进行预测.结果表明:径向基神经网络的结构形式简易,适应能力更强,预测误差比BP网络小,平均约为66.83%,达到预测精准度所需的耗时短、收敛速度更快.径向基神经网络的预测结果与实测结果较为吻合,表明径向基神经网络预测模型适用于建筑工程沉降预测领域之中.     

基于改进Faster-RCNN算法的地铁车辆车侧下结构检测识别

地铁车辆车侧下人工巡检存在漏检、劳动强度大、效率低等问题,本文提出一种基于改进Faster-RCNN算法的地铁车辆车侧下结构检测识别方法,分别采用MobileNetV2、ResNet-101+FPN和DarkNet53+FPN三种特征提取网络替换原Faster-RCNN的特征提取网络VGG16,再通过5 000张地铁车辆车侧下结构的图像对更换特征提取网络的Faster-RCNN进行训练以及检测验证.实验结果表明,以DarkNet53+FPN为特征提取网络的Faster-RCNN模型比其余两种模型检测效果好,模型平均精确度AP达到96.7%,均值平均精度mAP达到92.7%,检测速度可达20.5 fps.改进算法成功将巡检由线下改为了线上,地铁车辆车侧下各结构的检测识别都取得很好的效果.     

一种改进的相机标定方法

以提高相机标定效率和自动化程度为目的,提出一种相机自动标定方法.传统相机标定需要手工标识,工作量大、效率低.使用自制标定模板,应用特征点检测技术代替手工标记,实现自动检测标记点并自动排序,标定精度和原算法基本一致,而且可靠性好,实用性较强,简化了标定过程.     

核技术利用辐射安全监管时空分布模型

环保部门的监管是保障核技术利用设备安全使用的必要环节,现阶段缺乏直观的、可量化的监管手段,导致管理手段低效、监管工作难以合理开展。因此必须通过模式化、指标参考化的监管手段,合理有效安排监管工作,避免监管薄弱环节与难以管理的问题。基于指标建立对检查工作进行多维度分析,并利用卷积神经网络(convolutional neural networks, CNN)对核技术设备持有单位建立风险等级划分的时空分布模型,为核安全监管机关提供可量化的管理依据,并且利用可视化手段辅助管理。结果表明,所建模型指标代表性高,风险等级划分合理,并且能有效提高监管质量与效率。     

PDCA循环在国内护理领域应用的新进展

PDCA理论包括计划、实施、检查、处理四个阶段,灵活运用PDCA循环方法,对于提高质量管理体系运行的效果和效率十分重要.PDCA循环应用于护理领域中,其优势在于能帮助护理人员有效安排护理工作内容,提高护理工作效率和工作质量,并指导护理人员更好地完成各项工作目标.现就PDCA循环在护理教学、护理管理、护理健康教育等方面的具体应用进行综述.     

视觉传感器中摄像机的虚拟三维靶标标定法

采用二维平面靶标自由移动,构建虚拟三维靶标,实现摄像机内部参数的标定,该方法可以保证摄像机在固定之后进行标定,使摄像机的标定状态和工作状态一致,降低了标定设备的成本,简化了标定过程,提高了标定效率,实验结果表明,该方法切实可行。     

基于Revit二次开发的高层建筑施工场地布置优化研究

高层建筑施工现场生产要素密集,常伴有明火作业,致使火灾频发,依靠施工管理人员规范作业空间,效率低、效果差。为降低高层建筑施工现场发生火灾安全事故的概率,提升施工安全检查效率,推动建筑信息化模型在施工安全领域的应用,本文将高层建筑施工现场的平面布置作为切入点,利用Revit的二次开发技术,构建相应的施工消防安全规则检查系统。首先根据施工现场消防安全技术规范相关条文,利用Easy GHM软件构建建筑施工消防安全规则库,在集成建筑、施工、进度、安全信息的BIM安全管理模型基础上,通过Revit API二次开发技术实现施工现场临时用房及设施的消防安全距离检查,再以外链接方式将建筑施工消防安全规则库搭载于Revit API二次开发平台上,用于高层建筑施工现场的平面布置优化,并进行实证研究。结果表明,该系统具有良好的可操作性,可为管理人员提供满足规范要求的优化调整方案,比传统施工消防安全管理方法更加直观有效。本研究将有助于施工现场消防安全检查及施工场地优化布置的信息化发展。     

多处理机实时分类调度算法研究

讨论了在多处理机实时系统中周期任务可调度性的充要条件和非周期任务的分布函数,并进行了任务调度模型设计。通过处理器利用率实现对实时任务的动态分类,并根据这些分类进行处理器分派。仿真结果表明,这种方法能有效提高实时任务的调度成功率;在处理器达到5个时,调度率可达98%以上,基本属于最优调度,平均负载达到最小且趋于平稳。     

电力巡检图像中防振锤的区域全卷积网络识别方法

针对目前电力巡检图像中传统的防振锤检测方法仍存在效率低、精度差、计算成本高等问题，提出了一种基于区域全卷积网络（region-based fully convolutional networks，R-FCN）的电力巡检图像防振锤智能识别方法。该方法通过特征提取网络自动提取防振锤特征，省却了传统检测方法特征提取的过程，提高了效率。此外，在R-FCN网络当中采用位置敏感池化来引入平移变换，抵消全卷积网络造成的平移不变性问题，在检测精度和效率上均有较大提高。实验结果表明，该方法能准确检测出复杂背景下不同形态的防振锤，且平均准确率高达88%，具有较强的鲁棒性     

开关站远程综合管理系统开发

本文采用温湿度传感器、专业摄像头和门禁系统构成前端子站,并利用内置3G模块的网络硬盘录像机将信号传输到远方主站,以实现开关站的温湿度、实时视频和门禁状态的查看和控制,可解决开关站安全管理,设备运行环境监测,巡检考核等问题,为各级供电部门实现多区域开关站集中管理、降低维护成本,提高工作效率提供了有效手段.     

基于混合优化算法的关节臂式测量机参数标定

为进一步提高关节臂式坐标测量机等高机动性精密测量设备的测量精度,使用D-H矩阵法建立其关节坐标转换数学模型并据此推导出参数误差模型.针对非线性多参数标定问题,通过变换分析消除了最小二乘法求解时矩阵中的冗余参数,降低了计算的复杂性.设定判定准则并实现最小二乘法和模拟退火算法的混合,提出了一种基于混合优化算法的参数标定方法,解决了LM算法的初值设定和SA算法的搜索效率逐步降低的问题.实验结果表明:关节臂式测量机参数经混合优化算法标定后,参数的误差范围有了显著的缩小,单点重复性误差的平均值减小了1.746 mm,长度误差的平均值减小了0.941 mm,测量误差得到了进一步的抑制.