基于多层感知器的气液两相流流型识别方法

通过对电阻层析成像数据采集原理和深度学习网络的研究,提出了一种基于阵列电阻值和多层感知器深度学习网络相结合的流型识别方法。利用电阻层析成像系统中的16个电极传感器来获取流型样本数据,并构建出流型识别数据库,然后对多层感知器深度学习网络进行训练,获得可以识别不同流型的网络。实验结果表明,采用阵列电阻值结合多层感知器网络对流型进行学习和识别的方法,流型识别准确率可以达到95%,解决了流型图像生成过程与数据特征预选过程中流型特征损失的问题,流型识别性能得到了提高。     

电磁谐振式的无线充电系统实验研究

本文基于电磁谐振技术研制的无线充电系统,实现了电能的无线传输;并对系统建立了物理模型,理论分析了影响无线电能传输效率和距离的关键因素,其中包括谐振频率、线圈的几何参数、电气参数等;通过大量实验数据,验证了这些关键因素对无线充电系统的影响程度,为后续的研究开发提供了依据。     

一种变电站电气设备温度在线监测新方法

为了实现对电气设备的远程、实时、在线的可见光图像和红外温度监测,设计并开发了具有红外检测与图像监控功能的系统。针对变电站电气设备在线监测的特点,从红外理论出发,构建了系统测温模型,分析了影响测温的一些因素及大气衰减的影响;完成了大气透射率的仿真计算并提出了温度修正算法以提高测温精度。开发了具有RS-485串口和激光瞄准方式的改进型红外测温仪,并将其红外测温功能与图像监控软件有效结合。该系统可以在图像监控画面上选择特定的电气设备对其进行远程红外测温,并将返回的温度值加以存储和分析。系统具有较高的经济效益和工程实际应用价值。     

基于航拍序列图像的输电线弧垂测量方法

弧垂是输电线路运行的一个重要参数,直接关系到电网运行的安全性和可靠性.提出了一种基于直升机巡检时采集的航拍序列图像进行弧垂测量的新方法.选取输电线路上的隔离棒作为识别目标,采用归一化互相关图像匹配算法,结合基于小波的金字塔分层搜索策略,测量出隔离棒中心在序列图像上的像素坐标;然后基于立体视觉技术对隔离棒中心的三维空间坐标进行测量;最后通过最小二乘非线性回归算法,计算出输电线的实际弧垂.实验结果表明该方法可以提高弧垂测量的效率,并且适合在复杂地理条件下应用.     

基于RBF神经网络的传感器静态误差综合校正方法

以一受环境温度和电源波动影响的压力传感器为例,说明了具体实现方法和校正效果.并与采用BP神经网络进行误差校正的方法进行了比较.实验结果表明,采用RBF神经网络可以明显提高网络收敛速度,大大减小传感器静态误差,校正效果优于BP神经网络.     

“仪器仪表实训”课程建设与改革实践

"仪器仪表实训"是测控技术与仪器专业一门综合性的专业实践课程。提出在该课程的建设与实践中,以提高学生对专业的综合认知水平,强化自主学习能力为出发点,通过在实验系统的构建、实验内容的组织以及实验过程的分类指导上,有机地将师生间的教学关系密切结合,充分发挥学生在课程学习中的能动作用,在课程的考核方式上进行创新性的改革,可以提高学生的动手能力、自主学习能力以及分析和解决问题的能力。     

石灰石浆液颗粒粒径分布检测方法

火电厂排放的二氧化硫是中国大气的主要污染物之一,很多电厂使用石灰石——石膏湿法进行烟气脱硫。为了取得良好的脱硫效果,石灰石浆液颗粒粒径需保持在一个合理的范围。针对电厂现行筛分检测法费时费力的不足,提出一种基于夫琅禾费衍射的激光颗粒检测方法。激光穿透检测样品获得衍射图像,对衍射图像进行去噪滤波后得到光强信息,对Phillips-Twomey算法进行改进使得粒径反演计算结果更加准确。实验结果与电厂检测结果误差保持在1%左右。这表明该检测方法在电厂石灰石浆液颗粒粒径检测中具有很好的可行性。     

基于层析成像的气液两相流相关流量测量方法

对电阻层析成像技术和图像的小波纹理特征进行了研究,提出一种基于层析成像的气液两相流相关流量测量方法,实现了液相流量的准确测量。利用电阻层析成像技术和相关算法对不同泡型下的相含率、渡越时间进行检测,得到气相流量;利用小波分析提取出层析成像的流型纹理特征;从而基于BP神经网络建立不同泡型下的气液两相流的相关流量测量模型。实验结果表明,液体流量的测量精度可以达到3%以内。     

深度学习优化算法研究

深度学习是机器学习领域热门的研究方向,深度学习中的训练和优化算法也受到了较高的关注和研究,已成为人工智能发展的重要推动力。基于卷积神经网络的基本结构,介绍了网络训练中激活函数和网络结构的选择、超参数的设置和优化算法,分析了各算法的优劣,并以Cifar-10数据集为训练样本进行了验证。实验结果表明,合适的训练方式和优化算法能够有效提高网络的准确性和收敛性。最后,在实际输电线图像识别中对最优算法进行了应用并取得了良好的效果。     

基于神经网络的绝缘子故障诊断

绝缘子是高压架空输电线路的关键部件之一,受到导线自重、雷电、风力、冰雪、粉尘污染等因素的影响,易造成绝缘子掉串、断裂、污秽等故障.上述故障容易导致电网跳闸等停电事故,进而造成巨大的经济损失,因此,对输电线路中绝缘子故障诊断具有重要意义.通过对故障绝缘子图像的特征分析,研究了基于神经网络技术实现绝缘子多种故障的自动分析与识别方法.主要根据图片的特征找出特征向量,采用附加动量与自适应速率相结合的改进型BP算法建立神经网络,实验证明改进方法有较高的识别率.