基于定点化自适应选择卷积神经网络的电力缺陷识别方法

无人机(unmanned aerial vehicle,UAV)电力巡检时的图像数据量急剧增加,为使深度卷积神经网络(deep convolutional neural network,DCN-N)在低功耗的前提下仍能准确识别出电力缺陷,将重点改进传统DCNN算法,以减少机载前端平台中DCNN模型的计算成本,有效提高电力缺陷识别的运行速度,进而延长巡检无人机的续航里程.首先将卷积网络中的浮点运算进行定点化近似,然后通过快速机器学习算法对DCNN模型的输入图像进行自适应选择,最后通过实验对所提方法进行了验证.实验结果证明,DCNN模型经8比特定点优化和自适应选择选择策略后的准确率达88.2％,推理时间缩短了65.9％,能耗减少了71.9％,查准率提高了9.8％.所设计的定点化DCNN模型自适应选择策略不仅能节约电力巡检系统的功耗,而且能提高电力缺陷识别的精度.     

基于无人机三维影像技术的输配线路巡检设计

常用系统提取输配线路骨架时，对图像像素点是否为骨架点判断不准确，输配线路骨架显示不完整，造成输配线路位置拟合误差较大。为此，设计基于无人机三维影像技术的输配线路网格化巡检系统。文中通过灰度转换、滤波去噪、阈值二值化，预处理无人机采集的三维图像，利用细化技术，判定边缘集合邻近像素点是否为骨架点，提取完整输配线路骨架。设置对比实验，选取电网主通道输配线路，划分25km带状区域作为实验区域，实验结果表明，设计系统减小了输配线路净空距离、水平距离、垂直距离的拟合误差，输配线路位置拟合更加准确。     

煤炭废弃物制备微晶玻璃研究及成分优化

对微晶玻璃的成分进行了研究分析,并优化设计;通过差热分析研究了晶化温度、升温速率等热处理工艺参数的影响,通过扫描电镜和x射线衍射仪分析了其微观形貌和晶相;检测了其密度、抗折强度、显微硬度等性能。结果表明,所制备的40%SiO2-15%Al2O3-30%CaO微晶玻璃具有良好的力学性能,其主要晶相为黄长石,晶粒度约为4μm。     

从米糠油皂脚中非极性溶性提取谷维素研究

本文探讨非极性溶剂微波萃取法从米糠油皂脚中提取谷维素的工艺条件，并对所得谷维素进行IR，GC和理化性质的测定，试验结果表明，在最佳工艺条件下用非极性溶剂微波萃取法的提取率可达到70．3％，较无微波下提取率约62％要高得多。     

基于无人机遥感技术的配电网巡检系统设计

目前我国电网巡检以人工为主,由于相关监管体系并不到位,存在电力支线丢失等问题,现提出基于无人机遥感技术的配电网巡检系统设计。系统硬件设计方面包括客户端、服务器、无人机遥感终端三部分,根据硬件配置设计无人机遥感终端,确定终端操控方式。系统软件设计方面包括获取遥感巡检图像,采用自适应滤波设计系统导航算法巡检配电网,建立配电网数据模型,检测配电网线路的运行情况,让图像与实际数据紧密结合,实现配电网巡检。实验结果表明,与选取的其余系统相比,本系统与实际配电网电力线路具有较高的拟合度。     

钙元素对褐煤热解和气化过程中产物的影响

综述了钙元素对褐煤热解及气化影响,讨论其对产物中焦油产率、气体产物和挥发分的分布影响,以及其在过程中发挥的催化作用。结果表明,在热解过程中,钙元素会降低焦油产率,提高半焦产率;在气化过程中,钙元素能提高半焦的反应活性,加快反应速度。使CO2和CH4产率降低,H2和CO产率得到了提升。     

基于双视卷积神经网络的输电线路自动巡检

卷积神经网络算法被广泛应用于输电线路自动巡检领域,但传统卷积神经网络电力缺陷识别模型的泛化能力较差.为此,提出一种融合双角度图像信息的卷积神经网络检测算法(CVR-RCNN),其利用2个视角可见光图像识别输电线路的常见缺陷.经实验测试,CVR-RCNN模型具有良好的鲁棒性,受试者工作特性(ROC)曲线下面积(AUC)值高达0.927,缺陷检测准确度较传统算法有显著提高.因此,CVR-RCNN能明显改善电力缺陷检测效果,可为无人机自动巡检输电线路提高准确稳定的算法架构.