基于多尺度深度卷积网络特征融合的滚动轴承故障诊断

针对传统滚动轴承故障诊断模型对工程先验知识依赖性强、提取特征不充分、分类器选取困难等问题,提出一种基于多尺度深度卷积网络特征融合的滚动轴承故障诊断模型.首先,建立集特征提取与模式识别于一体的卷积神经网络模型,利用小波变换将滚动轴承振动信号转换为二维图像作为输入样本集.然后,在网络结构中构建多尺度特征融合模块自适应提取故...     

基于图像亮度统计分析火焰高度特征

火焰高度是燃烧火焰的一个重要参数,它影响火焰的传播及辐射特性,而火焰高度特征包括平均火焰高度和脉动频率两个方面.基于Matlab视频图像分析,提出了通过统计火焰图像时间序列中各位置处出现亮点的概率和火焰中心线上的亮点个数,来提取火焰的平均高度和脉动频率的方法.开展了0.5 m×0.5 m、0.7 m×0.7 m和0.8 m×0.8 m三组方形油盘火试验,利用该方法获得了它们的平均火焰高度和脉动频率,并和Heskestad模型、Pagni模型、Bejan模型和Cetegen模型的理论预测值进行了对比,结果表明,该方法得出的平均火焰高度和火焰脉动频率均与理论预测值比较接近.     

以多尺度颜色小波纹理特征为基础的工业炉火焰图像分割研究

分割火焰图像最常用的方法是分类算法,而使用这种算法最大的缺陷在于当像素点数增高时,分割图像的耗时就越大。通过以火焰图像采集装置来采集研究样本,提出了一种可以加快分割速度的方法及运用多尺度颜色小波纹理特征为基础的工业炉火焰图像分割法,经过对图像特征矩阵进行压缩,采用分类算法获取压缩尺度火焰区域并检测其边缘;根据压缩尺度火焰边缘进一步检测其在原始尺度区域,构建边缘区域特征矩阵并进一步检测,从而得到原始尺度火焰区域图像的目的。     

一种基于自适应小波变换的火焰检测方法的研究

1引言锅炉煤粉燃烧已成为工业生产和人民生活所必须的一种能量和动力来源,而火焰检测系统是保障锅炉安全运行的关键所在。为避免炉膛爆燃事故的发生,火检系统必须能对炉膛的燃烧状况进行实时准确的判别。由于可见光波动强度较小,频谱范围较窄,利用单燃烧器检测可见光信号比依靠     

基于图像技术和PCA方法的火焰监测研究

从火焰图像提取了能够反映火焰燃烧状态的7个特征量：火焰亮度、高温区域亮度、火焰面积、高温区域面积、高温面积率、火焰质心偏移距离和火焰区域的圆形度。然后，基于主元分析技术，提出一种对燃烧火焰的稳定性进行了监视和诊断的方法，采用Hotelling T^2和SPE两个统计量对每一时刻的图像数据向量进行监测，检验是否超过各自的控制限，只要这2个统计量之一越限，则可判定燃烧出现异常，并且将结果以SPE图、Hotelliing T^2图和主元图的形式直观地表示出来。图5表1参8     

基于多参数特征计算柴油机使用时间的方法研究

柴油机的使用时间在一定程度上可反映其技术状况。根据现行的维修制度，使用时间是决定柴油机是否送修的主要依据。作者对不同使用时间的车用柴油机进行了实车测试，测取了表征柴油机技术状况的特征参数。在此基础上，利用人工神经网络模型对柴油机的使用时间进行计算。结果表明，该方法可以实现对柴油机使用时间的无损检测。     

基于数据融合技术的凝汽器故障诊断研究

为了实现对核动力装置凝给水系统故障的识别和准确诊断,将数据融合技术应用于凝汽器故障诊断中,建立了BP神经网络和D-S证据理论融合的故障诊断模型,仿真实验证明该诊断系统可有效地提高诊断可信度,减少诊断的不确定性.     

脉动供燃料燃烧技术及火焰频率特征

介绍了一种天然气的新型脉动供燃料燃烧技术,该技术能有效降低NOx,提高传热效率,节约能源,且改造简易,运行经济;阐述了其技术原理,综述了其发展状况,指出对我国燃烧技术改进的重要意义.利用直接摄像技术,对一个采用该燃烧方式的射流火焰在不同流量脉动频率下的火焰类型和结构特征进行了研究.结果发现,随脉动频率变化出现了丰富的火焰类型.燃气脉动与系统共振特性相耦合影响火焰脉动特性,在系统共振和谐振频率附近,火焰根部出现崩溃混合,且火焰湍动升起,火焰长度变短.在某些频率下火焰直长,具有清晰的贫富燃交替结构.     

基于空间金字塔模型的DCA特征融合地形分类

针对空间金字塔视觉词袋模型对地形图像分类时忽略颜色信息、纹理表达不明显及特征维度高等问题,提出一种基于空间金字塔模型的DCA特征融合地形分类方法。该方法优化传统空间金字塔模型子区域划分方式,提取地形图像优化后的SPM-BOVW特征、HSV特征、LBP特征;通过DCA算法构建3组变换特征;采用串联将变换特征进行融合。实验结果表明,以融合特征作为支持向量机（SVM）分类器的输入,利用网格参数寻优,最终获得了较高的地形分类精度,说明所提方法在太阳能电站的地形图像分类上具有较好的鲁棒性。     

基于BP神经网络的超临界对冲火焰锅炉飞灰含碳量预测分析

飞灰含碳量是反映燃煤锅炉机组燃烧效率的重要技术指标和运行经济指标,同时也影响锅炉的安全运行。超临界对冲火焰锅炉由于掺烧劣质煤,经常出现飞灰含碳量偏高的现象。本文以660MW超临界对冲火焰锅炉为研究对象,将影响飞灰含碳量的负荷、煤粉细度等十个运行参数作为输入量,应用BP神经网络的非线性动力学特性和自学习能力,建立了飞灰含碳量预测模型。经网络预测,与实际值的误差小于5.48%。在预测模型的基础上,对飞灰含碳量影响因素进行单因素影响规律分析。预测和分析结果表明,本模型方法能有效提取各参数对飞灰含碳量的影响规律,可用于锅炉飞灰含碳量的分析、预测和优化调节。     

大坝安全监测数据误差检测的MSDF方法

应用大坝中的传感器（测点）在信息上存在的相互印证关系，进行多传感器信息融合分析。给出了在大坝安全监控专家系统中集成多支传感器的信息进行系统误差识别和监测故障判别的原理和步骤，从而及时检出存在误差的监测值并揭示误差原因。为大坝安全自动监控提供可靠依据。     

基于深度神经网络的基建视频智能分析系统

视频智能分析目前已广泛应用于安防、交通等领域,目前识别人体、人脸、车辆、场景等信息的算法和技术已经成熟,但是针对基建场景下的危险源、不规范作业等识别技术还未普及。国网上海市电力公司基建视频监控中心具备1000路视频流实时接入能力,海量视频流无法通过传统人工盯屏方式实现基建安全管控,因此需要引入人工智能技术实现安全管控。文章基于深度神经网络技术,提出了基建视频智能分析系统,选择了一种适用于多路视频流实时分析的深度学习模型,实现了火灾、吸烟、人员着装、坑洞识别,在识别率和实时性上取得较好的结果。该系统能够实时识别出危害施工安全的行为,具有一定的推广和使用价值。     

传感器故障检测的Powell神经网络方法

大型热力控制系统必须能够检测传感器故障,并采取相应的措施,保证控制过程的顺利进行,提出了一种基于Powell神经网络的故障检测新方法,为系统中每一个传感器构造一个神经网络观测器,首先离线训练神经网络观测器,然后进行故障检测并同时在线训练,利用神经网络估计输出代替故障传感器输出,保证系统的稳定,神经网络的训练采用Powell方法,该训练方法的收敛速度快,过程稳定,本方法具有在线学习,诊断多个传感器故障等优点,锅炉的实际试验结果表明,此方法行之有效。     

基于输电巡检图像的山火智能识别方法

山火严重威胁着输电设备的安全.文章基于深度学习目标识别算法,提出一种基于SSD网络模型的山火目标检测方法,并针对主干特征提取网络进行改进和优化,引用Inception分组卷积模块,从网络宽度的角度拓展网络,添加更加丰富的卷积核,提高模型质量,以实现山火特征的有效提取.此外,针对较大卷积核会导致计算量暴增的问题,提出在模...     

基于神经网络信息融合的发动机失火故障诊断

对发动机气缸失火故障进行实车模拟试验,测量了发动机的机体振动信号及瞬时转速信号,并对其进行了时、频域分析.通过小波分析方法提取了振动信号能量特征,通过复杂度分析方法提取了转速信号的复杂度特征用于故障诊断.根据多传感器信息融合理论,建立了集成神经网络信息融合模型对气缸失火故障进行了诊断.结果表明,发动机机体振动能量特征和转速复杂度特征能够反映气缸失火现象,基于发动机振动和转速信息融合进行气缸失火故障诊断,诊断可靠性较高.     

基于粗糙集约简的信息融合故障诊断研究

提出一种基于粗糙集约简的神经网络信息融合故障诊断方案。该方案利用粗糙集理论对诊断决策表进行属性约简，根据约简构造诊断子神经网络群，采用信息融合的方法处理神经网络输出结果。该方案能够缓解神经网络诊断中网络学习收敛问题，并且可有效利用决策表的冗余信息，在个别征兆信号受到干扰或发生错误时仍能正确诊断，使诊断方案具有较强的健壮性。     

基于两级信息融合的凝汽器故障诊断方法

采用多级信息融合，提出了一种新的凝汽器故障诊断方法。首先，利用神经网络和距离测度的方法进行初级融合；然后，再利用D—S证据理论进行决策级的融合。结果表明，该方法降低了神经网络误判的可能性，同时也得到比基于距离测度的方法更直观的判决结果。     

双自适应神经网络和快速TLS-ESPRIT的谐波检测方法及仿真

针对BP神经网络应用于谐波分析时收敛速度慢、初始值选取不当等问题,为实现谐波的准确检测,提出双自适应BP神经网络和快速TLS-ESPRIT(总体最小二乘法—旋转矢量不变技术)相结合的检测方法。该方法利用快速TLS-ESPRIT算法得到频率和信号源个数,将频率作为BP神经网络的初始值,信号源数作为中间节点个数,经双自适应BP神经网络得到网络权值,进而完成谐波的幅值和相位检测。仿真试验结果表明,该算法在检测谐波时,检测速度更快,且具有较高的检测精度。