输电线路防外破双鉴预警系统的研究与应用

输电线路由于长期架设在野外，容易受到外力因素的破坏。在外力导致输电线路受到破坏的几种类型中，施工车辆碰线成为近年来主要的外破因素。对于外破常用的防治技术手段为加装各类警示牌，但警示牌在夜间无法发挥警示作用。雷达探测技术与激光技术的多元化发展，给输电线路防外破工作提供了新的思路。鉴于此，研究了输电线路防外破技术手段存在的不足和相关装置的功能缺陷，针对施工车辆碰线问题，提出了一种依托雷达及激光应用技术并结合智能化声光电预警装置的防外破双鉴预警系统，从而实现输电线路隐患的防治。     

一种多功能防外破在线监测预警仪

通过结合山西长治地区和天脊集团高压线路特点,系统分析了架空配电线路外力破坏的特点、规律及方法,总结了外力破坏在实际工作中值得注意的问题,鉴于现在还没有一套防外破在线监测预警仪,所以通过大量试验分析,创新出一种多功能防外破在线监测预警仪,防外破效果明显,且运行成本低廉,在多个电压等级的架空配电线路放外力破坏工作中有一定的使用价值。     

电力线路防外破警示装置开发及应用效果分析

电力线路在电力系统中发挥着重要的作用,保障电力线路的安全可靠运行是实现电能可靠传输的前提。开发电力线路防外破警示装置,能够实时监测电力线路周围环境是否存在安全隐患,并发出相关的预警,提高电力线路的安全运行水平。本文详细分析了电力线路防外破警示装置的开发技术,并介绍了电力线路防外破警示装置的实际应用效果。     

自取能型嵌入式智能外破监测系统的研究与应用

目前输电线路外破监测系统应用情况效果不佳,主要问题在于供电可靠性不高、信号传输量大以及无效信息过多。为解决以上问题,研究了一种感应自取能型外破监测系统,通过终端嵌入式外破分析算法,实现外破行为的实时监控与有效信息上传。经实际挂网验证,其能有效监测输电线路外破行为,极大程度地提高外力破坏监测水平。     

输电线路多维度防外破体系探索

结合石狮供电区域重要输电通道现状,对输电线路多维度防外破体系进行了研究。实践证明,该防外破体系有效降低了人工巡检的工作量及时间,提高了线路巡检质量和效率,遏制了外破事件的发生,为其他地区输电线路的防外破工作提供参考。     

架空输电线路安全距离报警装置应用探析

详细介绍了安全距离报警装置的基本原理,并通过现场试验来验证报警装置在临近架空输电线路安全距离不足时报警的准确性,分析了安全距离报警装置现场应用出现误差的各种因素,并对今后的改进提出建议。该报警装置为操作人员临近架空输电线路施工,与带电导线保持安全距离提供预警,对保障电网安全有重要意义。     

输电线路防外破预警系统浅析

输电线路的保护是安全输电可靠供电的重要措施,本输电线路防外破预警系统采用现场使用X86架构的核心板作为主控,设计了视频图像处理程序、控制器控制GSM模块发送短信到手机端和发送图片到云端数据库、利用C#设计窗体程序实现云端数据库的登陆和访问,通过现场图像处理发现外物入侵。同时通过GSM模块将报警信息发送到云端数据库,用户通过Android客户端或者电脑端查看报警图片。     

输电线路检修现场三维安全距离预警系统

为防止施工机械过于接近高压输电线路而引发事故,设计了一种适用于输电线路带电检修的三维安全距离预警系统。系统采用三维电场传感器,以电场强度与安全距离作为综合判据,通过设计三维电场传感器,分析其测量原理,并通过实验验证传感器测量精度。同时,利用仿真计算确定考虑施工机械吊臂影响的电场报警阈值,并进行预警系统整体设计,最后通过现场应用测试验证系统功能。结果表明,该系统能够实现及时、有效预警,对输电线路带电检修的安全保障具有重要意义。     

500kV输电线路防外破一体化管理模式研究

对目前输电线路防外破工作管理方式存在的问题进行了分析,研究了输电线路防外破一体化管理模式的优势和必要性,详细阐述了该管理模式的运行方式,并针对实践中存在的问题提出了初步建议。     

架空输电线路绝缘修护管封合装置

架空线路所处的地理环境复杂,长期户外运行受外破施工、异物挂线、树木生长等因素影响容易引起跳闸事故。为了防止此类故障,通常采用绝缘修护管对裸露线路进行绝缘化改造,施工过程电力操作工人在高空借助日常工具手动作业,效率极低而且封合效果欠佳,因此本文提出了架空输电线路绝缘修护管封合装置,设计了5N大小自动回位密封弹簧及两排共计4个滑轴组合结构,通过拉、夹、推3步简单操作即可完成绝缘修护管封合,有效提高了线路绝缘修复管的布置。     

基于BP神经网络的电缆沟监控模式识别方法

为了减少电缆沟盲目施工与偷盗等因素造成的损失和影响，引入一种智能的线路监控技术。该技术基于分布式光纤传感技术，利用BP神经网络对光纤传感器的四种常见的扰动信号进行模式识别。通过将光纤传感器得到的时域扰动信号用特定的程序处理后转换成图像，再经特定的图像处理流程后形成模式识别的样本。利用这些样本训练BP神经网络，并将训练好的模型应用到实际的电缆沟安全监控系统中进行测试。测试结果表明，电缆沟的总体识别成功率为98.16%，该识别方法还可以应用于光纤周界安防系统等领域。     

基于图像异类特征融合的基建工地现场安全智能预警系统

针对基建工地现场安全智能预警系统存在图像清晰度较低,导致综合性能较差的问题,提出基于图像异类特征融合设计了一种新的基建工地现场安全智能预警系统。该系统硬件由施工现场监控设备、通信网络装置、传感器、预警器和后台总控制器组成,预警器包括视频监控装置、图像传感器和通信线路,通过通信接收器、视频图像显示器、中心总控制器和智能数据分析器设置了控制器。通过分析处理、安全判定、储存和传输实现预警系统软件流程。实验结果表明,基于图像异类特征融合的基建工地现场安全智能预警系统能够有效提高图像清晰度,增强综合性能,对基建工地现场安全智能预警具有重要意义。     

基于蚁群算法的铣削力信号特征选择方法

为有效地进行刀具状态模式识别,以端面铣刀为研究对象,采用蚁群算法对铣削力信号进行研究分析,提出一种可用于刀具状态识别的特征选择方法。该方法将特征选择过程转化成蚁群算法中蚂蚁寻找最优路径的过程,给出了转移概率公式,并运用Fisher标准判别率作为启发信息,同时将每次搜索得出的最优特征子集输入BP神经网络进行模式识别,得到的正确率整合进信息素更新策略。另外,改进了蚁群算法参数选择方法。实验结果表明,该方法可以高效地进行特征优化选择,进而使模式识别正确率较未经特征选择时得到显著提高。     

旋转、比例、平移不变的图形识别系统

在高分辨率、高灵敏度的空间光调制器开始问世的今天,降低光学相关器对图像失真的敏感程度是实时光学图形识别系统能否实用的关键。本文叙述了一种用坐标变换的方法来实现旋转、比例、平移不变的图形识别系统。在数学上证明了傅里叶变换加上polar-Ln变换(简称P-L变换),可以实现平移、旋转和比例的不变性,并进了计算机仿真。本文提出了两种实现P-L变换的方法。一种是采用特殊的电视摄像机。用对数形的锯齿波按辐射状扫描摄像管的靶面,另一种是采用一个计算机产生的两值光学元件,并给出了该光学元件的相位函数的解析表达式。本文还给出了用这两种办法实现的光学系统及实验结果。实验结果表明,两种系统都能在输入图像发生旋转、比例变化和平移的情况下,实时地做到对输入目标的识别。     

基于神经网络的海上离心泵智能预警诊断技术研究

海上石油的发展将推动智能油田建设,加快数字化能力提升。针对海洋石油的开采环境和机组特点,建立了海上离心泵的在线监测系统。设计基于神经网络技术的智能预警诊断算法模型,与海洋石油设备在线监测系统进行融合,搭建基于在线监测和神经网络的海洋石油关键机泵的智能诊断系统。通过实验测试和应用测试表明,该模型能够可靠地实现对海上离心泵故障的智能预警诊断。     

方向基概率神经网络的模式识别

针对方向基函数神经网络与概率神经网络的优缺点,提出了方向基概率神经网络的基本模型,并讨论了它用作模式分类时的相关原理及算法。以焊缝中裂纹和气孔缺陷的分类为例,用方向基概率神经网络对缺陷进行模式识别。结果表明：该网络应用于模式识别,较方向基函数神经网络和概率神经网络不仅在速度上有较大的提高,而且在分类性能上也有明显的改善。     

GA-T-S云推理网络板形模式识别的DSP实现

针对现有神经网络大多是在软件的基础上进行仿真,训练时间长,不利于工程实际应用的问题,提出了GA-T-S云推理网络板形模式识别的DSP实现方法。首先以设计的板形模式识别GA-T-S云推理网络模型为基础, 利用TI TMS320F2812完成T-S云推理网络的DSP 设计;然后利用MATLAB遗传算法工具箱离线优化T-S云推理网络参数,将优化后的网络参数存入DSP中,进而分别在MATLAB与DSP上运行该网络;最后将运行结果分别进行显示与对比分析。实验结果证实了基于GA-T-S云推理网络的板形模式识别模型有较高的板形识别精度,能够正确识别出板形缺陷的类型,同时验证了GA-T-S云推理网络在硬件TI TMS320F2812上实现的可行性与快速性,从而为神经网络推广应用到实际工程中提供了依据。     

图像识别的全息干涉法

本文提出了用全息干涉法进行图像识别的方法,较之Weinberger等人提出的图像识别的干涉法,本方法具有光学系统简单,调节方便、灵活等特点,实验表明,这种方法对于一般的图像、指纹与文字的识别是有效的。     

基于神经网络的控制模式识别技术研究

控制图是统计质量控制 (SQC)的重要工具 ,而控制图模式识别是计算机辅助质量控制系统中的难点之一。本文详细探讨了采用神经网络技术进行控制图模式识别的关键技术与实现方法     

一种新型的神经网络及其在智能质量诊断分析中的应用

提出了一种适用于模式识别的新型神经网络模型———局部有监督特征映射 (RegionalSupervisedFeatureMapping, RSFM)网络,将其应用到质量控制图的模式识别中,为基于统计过程控制(SPC)的智能工序质量诊断分析系统提供了技术支持。文中研究了网络的基本性能并对其参数进行优化,提出了采用欧氏距离判别法作为混合型多特征异常模式的识别方法。实验证明,所提出的模型对控制图的基本模式和混合型多特征异常模式都能够有效识别,网络收敛速度快、识别精度高,可进行大样本训练,适用于控制图的在线实时模式识别。