基于散点图-AlexNet网络的光伏红外热图像识别方法

针对神经网络在光伏发电中对光伏红外热图像识别准确率和训练效率低的问题，提出基于散点图-AlexNet网络的识别模型。首先将光伏红外热像图对应的HSI空间数据信息直接投射到平面坐标系中，形成由若干散点构成的可视化RGB三色图像，并使用基于AlexNet网络的快速AlexNet网络进行训练。为了证明新方法的优良性能，选取识别准确率和单次训练时间对模型进行评价。实验结果表明，该方法识别率高，能准确识别光伏红外热图像中的图片种类，且训练效率也显著提升。     

基于深度学习的输电线路巡检图像绝缘子识别

绝缘子是输电线路无人机巡检的重要目标。为了快速准确识别巡检图像中的绝缘子,通过采集巡检图像,构造绝缘子数据集,提出了一种基于深度学习单阶图像识别框架（YOLOV3-SPP）的绝缘子在线识别模型。该网络模型在YOLOV3的模型上加入了SPP模块。通过在Pytorch环境下的训练和测试,结果表明：加入SPP模块后提高了检测的精确度,并可以快速有效地完成绝缘子识别定位。     

基于数字图像处理的风电机组叶片裂纹损伤识别方法研究

为实现风电机组叶片损伤检测的高效化、智能化、便捷化,研究一种基于数字图像处理技术的风电机组叶片裂纹损伤识别以及裂纹类型判断和特征参数提取的方法。以无人机采集的风电机组叶片图像为研究对象,通过对比灰度化、滤波、阈值分割等图像处理步骤的多种算法,对形态学处理方法进行改进,首先选用平均值法对叶片图像进行灰度处理,其次使用中值滤波对图像进行去噪处理,再次使用Otsu阈值分割以实现裂纹区域的分割,然后基于改进的形态学方法提取出完善的叶片裂纹损伤区域,最后基于连通域原理完成裂纹区域的框取。基于上述算法设计风电机组叶片裂纹损伤识别系统以实现叶片裂纹图像检测的可视化处理、裂纹类型判断及裂纹特征参数提取等功能。结果表明,该系统对于风电机组叶片裂纹损伤检测具有可靠的识别精度,识别准确率为85%,实现了风电机组叶片裂纹损伤的自动识别与特征参数提取,提高了叶片裂纹损伤的检测效率。     

蓄热式加热炉计算机控制系统分析

为了提高钢坯生产的质量与生产效率，将蓄热式加热炉作为主要研究对象，设计出蓄热式加热炉计算机控制系统。采用二级结构完成控制系统的结构设计，有利于提高系统的稳定性。利用变频器对加热炉的引风机设备的输出频率进行控制，将引风机的输出频率控制在25%～90%,有利于保证加热炉的节能效果。     

基于云层图像的塔式太阳能热发电能量预测方法

提出一种应用于塔式太阳能热发电系统的云层图像识别与运动检测方法,动态预测云层移动对系统热发电能量的影响。该方法利用小波维纳滤波对工业相机实时采集的天空图像进行降噪处理,基于Lab空间边缘检测算法识别天空图像中的云层,结合CSIFT匹配特征点计算得到云层运动速度和方向,并通过云层、太阳、镜场间的相对位置关系实时分析和预测系统热发电能量受云层运动的影响。实验结果表明,该方法的预测实时性和准确性均满足要求,具有较高的工程应用价值。     

基于传感器协同监测的锅炉安全隐患预警系统

为提升锅炉安全隐患预警性能,确保其安全运行,设计基于传感器协同监测的锅炉安全隐患预警系统.利用多个传感器协同监测采集锅炉运行时信号;利用经验模态分解方法提取信号中安全隐患特征并融合,将特征输出锅炉安全隐患预警模型中完成锅炉安全隐患预警,并将结果通过客户端呈现预警结果.实验结果证明:该系统可有效识别锅炉安全隐患信号识别率...     

提高炼油厂加热炉热效率的方法

加热炉的能耗问题是炼油厂中非常关键的问题。文章全面系统地介绍了提高加热炉热效率的方法：降低过剩空气系数；预热燃烧用空气和燃料气；利用对流室增加吸收热量；设计高效燃烧器；设置有效的吹灰器；减小加热炉漏风量；以及使用高温辐射涂层等。并且提出了提高加热炉热效率的新方法，即采用计算流体动力学(CFD)方法对加热炉内所发生的各过程进行数值模拟，在此基础上进行数值实验，最终确定最有效的提高加热炉热效率的方法。     

一种识别气液两相流流型的新方法

根据图像灰度直方图统计特征,提出了一种基于图像处理和改进支持向量机相结合的气液两相流流型识别的新方法.该方法是应用高速摄像机在气液两相流试验台上获取7种典型流型的图像,经过图像处理,对图像进行灰度直方图统计特征提取构成特征矢量,作为流型样本对改进支持向量机进行训练与识别.实验结果表明:图像灰度直方图特征可以很好地反映各流型之间的差异;改进的支持向量机与原始的支持向量机相比分类性能好,运算时间短,网络识别率高达99.04%,为流型在线识别提供一种新的有效方法.     

基于智能视觉的电力网络敏感区设备过热识别

电力网络的敏感区设备过热会导致电网故障和电力中断,对电力网络的敏感区设备的过热识别可以提高电网故障设备的检测和诊断能力。传统方法采用的是热信号分析方法实现对电力网络的设备过热识别,由于敏感区设备的过热状态下的热源信号自身具有不确定性,导致识别性能不好。提出一种基于图像处理和智能视觉分析的电力网络的敏感区设备过热识别算法。构建电力网络的敏感区设备的热点图像采集和噪点滤波模型,然后对电力网络敏感区设备图像进行视觉特征三维重建,采用图像分割算法实现对敏感区设备过热点的有效分割和检测,提高识别能力。仿真结果表明,采用该算法能有效提高设备过热点的识别率,提高对电力网络设备的状态监测能力。     

石油化工管式加热炉的分析

本文以热力学第一定律和第二定律为依据，讨论了分析在石油化工管式加热炉设计中的应用。通过对加热炉计算式的分析，提出并通过实例验证了几种提高管式加热炉效率的方法和措施，对工程设计起到一定的指导作用     

石油化工管式加热炉的Yong分析

本文以热力学第一定律和第二定律为依据，讨论了Ｙｏｎｇ在石油化工管式加热炉设计中的应用，通过对加热炉Ｙｏｎｇ计算式的分析，提出并通过实例验证了几种提高管式加热炉Ｙｏｎｇ效率的方法和措施，对工程设计起到一定的指导作用。     

基于逻辑语义判别的调峰电源设备漏油图像识别

针对调峰电源设备漏油图像识别中的难点问题，将逻辑规则判别引入图像识别领域，提出一种全新的图像识别方法。基于直方图均衡化技术增强原始图像，利用Mask RCNN网络初步获取储油装置、地面、疑似油污区域的位置和轮廓信息。根据这些信息判断物体间位置关系，并结合逻辑表达式判断疑似区域是否属于漏油区域。基于现场拍摄的调峰电源设备图像进行实例分析，结果表明该方法能有效克服漏油区域识别中的难点问题，大幅提升了识别准确率。     

粒子群优化算法和最小二乘支持向量机的 雷电过电压识别

摘要： 为了提高雷电过电压的识别率,满足雷电过电压识别的实时性,提出了粒子群优化算法和最小二乘支持向量机的雷电过电压识别模型。首先提取多种特征作为雷电过电压识别的输入向量,然后采用最小二乘支持向量机设计雷电过电压识别的分类器,采用粒子群优化算法确定最合理的分类器参数,最后通过实验分析其有效性和优越性。结果表明,PSO-LSSVM可以描述雷电过电压信号与特征间变化关系,提高了雷电过电压识别率,加快了雷电过电压识别速度,识别结果优于其他模型。     

光伏电站直流输电线路早期绝缘故障识别与定位

直流输电线路发生早期绝缘故障时电流波动小、故障现象不明显，难以快速识别以采取保护措施，光伏电站线路拓扑结构复杂，不易准确定位故障发生位置。该文提出一种连续小波变换和混合神经网络模型结合的方法，可在尽可能短的时间完成故障识别与定位。该方法首先利用连续小波变换对暂态零模电流信号提取二维时频矩阵特征，压缩为彩色图像；然后，将图像送入神经网络模型中进行训练。该混合神经网络模型通过结合卷积神经网络和门控循环单元，提高识别精度并减少训练时间。最后，为验证本方法的优势，在高噪声环境下选取4条直流输电线路分别进行4种时频分析方法、3种神经网络模型仿真对比后，又对早期绝缘故障单独进行识别仿真试验，结果表明该方法可有效识别出早期绝缘故障并定位至发生线路，且具有较强的抗噪能力。     

稻壳灰显色特征试验研究

在稻壳的变色特征实验台上,通过改变可控电加热炉内的温度(450~900℃),利用CCD图像采集技术,研究了稻壳及热水浸泡稻壳在不同粒径和厚度情形下的变色特征。试验结果表明:未经处理的稻壳在炉内温度高于600℃后,稻壳灰存在黑色颗粒;未经处理的厚层稻壳在750℃附近时,稻壳灰的颜色存在一个相对较浅的状态,而这个状态停止变色的时间明显高于前后两个测点,形成一个凸峰;经过热水浸泡的稻壳形成灰的颜色要浅于未经处理稻壳灰的颜色,且热水浸泡的稻壳形成灰的变色时间随温度的升高而减少;对未经处理的厚层稻壳粉和热水浸泡的厚层稻壳粉在不同炉温加热30 min后,试样的灰度值随温度变化的特征呈双峰分布,在800~850℃存在一个灰度值较高的区域。试验和分析结果为燃稻壳锅炉的设计及稻壳灰的再利用提供了依据。     

电加热炉变电设备运行质量安全数据追溯方法设计

在电加热炉变电设备运行质量安全数据的反向追溯过程中,由于当前相关流程均缺少电加热炉变电设备运行质量的评价指标体系,导致追溯过程主观性过强,缺少统一追溯方法,因此设计了电加热炉变电设备运行质量安全数据追溯方法设计。通过电加热炉技术采集的虚拟数据结合追溯法,建立电加热炉变电设备运行质量的指标体系。再结合斯皮尔曼等级相关系数和熵权,计算质量追溯指标对应的客观权重,通过理想点法构建电加热炉变电设备运行质量数据反向评估模型,完成电加热炉变电设备运行质量的安全追溯。实验结果表明：这种追溯方法可准确地获取电加热炉变电设备的功能失效率和系统安全风险系数,安全追溯结果精准度高。     

工业炉内火焰图像在线检测系统及其试验

要实现工业炉内三维温度场的可视化,必须采集炉内的辐射图像。用两只火焰图像探测器和相应的计算机图像采集处理系统,在武钢热轧带钢厂3#加热炉中进行了火焰图像在线检测的试验研究。首先介绍了系统的硬件特别是探头的冷却系统配置情况;随后进行烧嘴调试试验,检验了系统的运行情况,特别是检验了探头摄取的图像质量,良好的图像质量为下一步图像处理和三维温度场可视化提供了有效的保证。     

基于振动谱时频图像特征及SVM参数同步优化识别的内燃机故障诊断

为实现内燃机振动谱时频图像特征的自动提取及识别,提出了一种基于振动谱时频图像特征优选及SVM(support vector machine)同步优化识别的内燃机故障诊断新方法.该方法首先采用小波包生成内燃机振动谱时频相平面图,然后从内燃机振动谱图像的形状特征、灰度统计特征和纹理特征来提取特征参数,最后将支持向量机引入内燃机振动谱图像识别中,并针对机械振动谱图像特征参数优选问题,以及SVM的核函数及核函数参数选择问题,提出了基于免疫克隆选择机理的特征选择和SVM参数同步优化算法.内燃机故障诊断实例表明,所提方法故障分类准确率达到了98.92%,验证了该方法的有效性.该方法为实现内燃机振动谱图像特征的自动提取及识别探索了一条新途径.     

海上油气田热介质供热设备故障数字化识别技术

海上油气田热介质供热设备长期在高温易燃的环境中运行，其可靠性对油气田开发的安全稳定起到重要作用，有必要研究其故障识别方法。为此，提出海上油气田热介质供热设备故障数字化识别方法。采用线性谱聚类算法对红外设备图像展开超像素分割处理，利用基于最大相似度区域合并算法分割设备目标区域。通过基于梯度变化的补偿算法对目标区域展开盲元块补偿。在核函数估计的基础上提取红外设备图像的温度概率密度函数，采用K均值聚类算法根据温度概率密度划分目标区域，将目标区域分为故障区域和正常区域，实现海上油气田热介质供热设备故障的数字化识别。实验结果表明，所提方法可以准确地完成目标区域分割和过热区域定位、故障识别准确率最低为97.3%、识别时间在2 s内。     

基于深度学习的输电线路绝缘子缺陷识别

传统的绝缘子缺陷识别为人工识别,效率低下,成本较高。为此,提出一种绝缘子缺陷自动识别方法。首先,采用随机森林分类法进行图像分割,实现绝缘子的目标识别;然后,采用卷积神经网络的方法实现绝缘子正常和缺陷状态的分类;最后,使用Faster R-CNN分类器实现自爆缺陷的定位。以无人机拍摄的大量绝缘子图片作为试验数据进行验证,结果表明,该方法可高效识别出绝缘子缺陷,识别率达到91.0%。研究结果可为输电线路绝缘子缺陷识别提供参考。