基于改进PSO-SMO的模型参数辨识及应用

目前,大多数智能辨识方法只考虑辨识系统的输出值,不能辨识模型的参数.对此,研究了基于线性核函数支持向量机的辨识算法,对模型参数和输出同时进行辨识.在此基础上,采用改进的PSO-SMO算法以提高辨识速度和精度.将该方法用于ARX模型和长期预测模型的参数辨识中,结果表明,该算法比其他算法具有更高的准确性.     

600MW机组环保改造后的RB试验措施分析

燃煤电厂脱硫脱硝改造是国家环保部和社会的要求,各火电运行机组这两年进入环保工艺密集改造阶段：如改造低氮燃烧器,增加SCR脱硝单元,将脱硫旁路挡板拆除等,以及后续的除尘、脱汞系统改造。改造后需进行RB试验的调整,并进行控制策略的优化。RB试验是协调控制系统乃至整个热控系统在调试及投运过程中的一个综合性的重要试验项目,RB控制功能可以有效减少不必要的停机事故,减少机组的经济损失。本文对600MW机组环保改造后的RB试验措施进行了分析,主要包括典型RB试验、单台设计的增压风机RB试验和浆液循环泵全停RB试验。     

Ti6Al4V合金表面激光熔覆NiCrAlSi复合涂层的组织及高温抗氧化性能

为提高Ti6Al4V合金的高温抗氧化性能,以Ni80Cr20-40Al-20Si(质量分数,%)复合合金粉末为原料,采用激光熔覆技术,在Ti6Al4V合金表面制备复合涂层,系统地分析涂层的物相、显微组织结构及高温抗氧化性能。结果表明:复合涂层中没有发现裂纹,仅有少量气孔,且与基体实现良好的冶金结合;Ti_5Si_3/Al_3Ni_2作为增强相均匀分布于基体Al_3Ti/NiTi中;经恒温800℃氧化32 h后,复合涂层的氧化膜主要由Al_2O_3和NiO组成,结构连续致密,氧化动力学曲线近似符合抛物线规律,表现出较好的高温抗氧化性能;而Ti6Al4V合金的氧化膜主要为疏松的TiO_2,表面氧化严重,表现出较差的抗氧化性能。激光熔覆NiCrAlSi复合涂层可望成为有效提高Ti6Al4V合金高温抗氧化性能的途径之一。     

SVR的限定记忆在线辨识算法及其应用

目前,基于支持向量回归的辨识研究虽然涉及领域很广,但基本上都为离线辨识,其原因在于支持向量回归处理大批数据时存在耗时长及内存开销大的问题,不能满足实时计算的要求。针对这个问题提出了基于支持向量回归的限定记忆在线辨识算法,该算法有效地避免了内存开销大的问题,满足了在线辨识实时性的要求。利用该算法对具有动态、时变特性的主汽温系统进行了辨识研究,仿真结果表明:该算法可以获得很好的辨识效果,具有良好的可行性。图6表1参9     

浅析两种控制系统在电厂的应用

介绍了现场总线控制系统和分散控制系统的特点及在电厂的应用现状和发展前景,给出了FCS逐步取代DCS的两种主要集成方案.     

基于混合样本迁移学习的盘型绝缘子缺陷检测EI北大核心CSCD

针对盘型绝缘子缺陷检测过程中存在样本不足和样本不平衡的问题,一方面以平行视觉理论为框架,融合盘型绝缘子先验知识和规则标准,生成盘型绝缘子伞盘脱落和破损两种人工样本,建立以混合样本为基础的迁移学习方法,解决样本不足的问题;另一方面,从样本均衡的角度出发,提出均衡损失函数,在训练过程中分别对正负样本和难易样本分配不同的权重,提高模型对正样本尤其是难以检测样本的关注度,解决正负样本、难易样本不平衡的问题。实验结果表明,在少样本情况下,提出的方法用于盘型绝缘子缺陷检测的准确率达到75.1%,召回率达到81.7%,相比原始的算法分别提升19.2%和9.2%,结果可为少样本缺陷检测问题提供了新的解决思路与实现方法。     

基于HSCA-YOLOv7的风电机组叶片表面缺陷检测算法

叶片是风电机组的关键部件之一，易受到自然环境因素的影响，出现胶衣脱落、裂纹、腐蚀等损伤，影响风力发电效率及风电机组运行安全。针对航拍风电机组叶片图像缺陷尺度不一、定位不准确、检测精度低等问题，提出了一种HSCA-YOLOv7的风电机组叶片缺陷检测算法。首先根据无人机采集的风电机组叶片图像，制作叶片数据集，采用Mosaic、MixUp方法进行数据扩增；然后将不同膨胀率的深度可分离卷积引入改进空间金字塔池化（improved spatial pyramid pooling,ISPP）模块，减少池化操作带来的细节损失；提出混合空间通道注意力（hybrid spatial channel attention,HSCA）机制，捕获全局视觉场景上下文，增大目标特征与环境语义差异，解决航拍叶片图像缺陷尺度不一的问题；采用Focal EIoU损失函数，解决预测框长宽被错误放大的问题，提高模型对叶片缺陷的定位能力。实验结果表明，所提算法的均值平均精度、均值平均召回率分别达到83.64%、71.96%，与YOLOv7基线算法相比分别提高3.37%、5%。     

基于CSwin的航拍光伏组件红外图像热斑检测方法

针对航拍光伏组件红外图像低对比度、背景复杂和热斑小目标难检测的问题，提出一种融合Swin transformer的跨阶段局部网络（CSwin），降低参数量的同时可捕获图像全局位置和空间信息，并以CSwin为基础模块构建多尺度特征路径聚合网络（MPC）加强多尺度特征的信息交互以进一步提高小目标检测能力。对航拍光伏红外图像数据集进行定性和定量实验，证明该方法在航拍光伏红外图像热斑检测任务上的有效性。