基于深度学习模型小型化技术的输电线路智能巡检研究与应用

为了解决目前输电线路智能巡检图像采集真空期长以及效率低的问题,提出了基于深度学习模型小型化技术的电力输电线路智能巡检方案。通过飞桨的模型压缩库Paddle Slim,将可以进行输电线路异常识别的模型小型化;再将小型化模型部署在端侧推理引擎Paddle Lite驱动的无源无线的移动设备中,实现了在低算力、低功耗情况下的输电线路智能巡检。方案成果在某电网公司中应用实践,验证了方案的实用性。     

基于故障数据的带式输送机驱动电机可靠性研究

针对煤矿带式输送机驱动电机难以准确进行可靠性研究的问题,基于故障数据建立三参数威布尔分布模型,结合最小二乘法和相关系数法对模型求解,最后得到带式输送机驱动电机的预防性维护周期、概率密度函数、可靠度函数,并进行可靠性分析。实例表明,该方法能够基于带式输送机驱动电机失效数据进行可靠性分析,可用于指导现场开展设备维护工作。     

应用六西格玛对XC金矿损失率、贫化率和回收率改善控制的研究

运用六西格玛管理方法和精益生产工具,以提高选矿的精矿品位和精矿产量为目的,从提高回收率、降低损失率、降低贫化率的角度出发,分析了地质勘测、开采、提运以及洗选过程中存在的影响矿石损失率、贫化率和回收率的因素,研究改善"三率"的方法,从管理和技术上对"三率"进行改善和控制,提高XC金矿的管理水平和经济效益。     

杨木自水解过程中木素对木片颜色影响的研究

研究了杨木在自水解预处理过程中木素含量对木片颜色的影响。结果表明,在不同的自水解处理强度条件下,木片中的木素会发生降解,部分木素结构变化,木片颜色加深。水解木片得率从97.2%降低到83.2%,木片色品指数a~*从2.29升高到9.03,色品指数b~*变化很小,仅从17.07上升到18.58,明度指数L~*从83.26降低到54.96。在本实验自水解强度范围内,自水解液的p H值从5.28降低到3.55。Klason木素和酸溶木素含量之和(总木素)从26.1%降低到19.8%,当自水解强度因子(CHF)达到110.44时,二氧六环木素含量仅为总木素含量的57.5%。     

基于电磁兼容试验的直接式TPMS环境舱

在电磁兼容试验满足相关国家标准的情况下,研制一套用于直接式轮胎压力监测系统的分隔式压力环境舱.该装置能够在测试过程中对胎压传感器进行激活,对舱内胎压值进行实时控制.     

基于OpenLISEM模型的泥石流启动冲出预测

汶川地震后,滑坡、崩塌及不稳定斜坡等不良地质体在震区广泛存在,在暴雨诱发条件下极易发生泥石流。2010年8月13日震区的都江堰市龙溪河流域遭遇暴雨,导致群发性泥石流。以龙溪河流域为典型研究区,在模型率定的基础上,运用Open LISEM软件对研究区进行泥石流启动和冲出过程数值模拟,获得泥石流的固体物质启动分布和冲出规模,并根据研究区的泥石流堆积扇的实测数据与预测模拟结果进行准确性验证,大部分模拟结果误差在20%左右,表明该模型具有较好的适用性和准确性,对泥石流启动及冲出范围模拟是可行的,有助于在规避风险时对搬迁地点的选择,可为风险评价提供重要的参考。     

芯轴外径对大变形推压-拉拔复合缩径的影响

通过推压-拉拔复合缩径的力学模型定性分析了不同外径芯轴缩径时管坯的受力及变形差异,并给出了芯轴外径设计公式;针对某载重6.5 t胀压成形汽车桥壳管件的第一道次推压-拉拔复合缩径,设定不同的芯轴外径影响系数并进行了有限元模拟,分析了芯轴外径对管坯缩径成形的影响规律,基于传力区不失稳及管端不开裂给出了芯轴外径影响系数的设定范围;在专用设备上进行了第一道次推压-拉拔复合缩径试验,成功试制出缩径样件,试验结果与有限元模拟结果相吻合。     

汶川震区八一沟流域滑坡物源稳定性评价研究

汶川地震后,大量同震滑坡松散物质堆积于坡体,为次生滑坡泥石流提供了丰富物源,泥石流流域的滑坡物源的稳定性评价对于泥石流活动的防治预警具有重要意义。选取震后八一沟为研究对象,基于OpenLISEM模型实现了流域尺度的滑坡物源稳定性评价。模拟结果显示,八一沟流域内滑坡物源极不稳定占比6.28%,欠稳定占比55.28%,表明震后八一沟内滑坡物源稳定性很差,在降雨作用下极易起动,滑坡泥石流活动暴发频率高。同时,基于GIS分析了不同稳定性分级滑坡物源在空间上的分布特征,处于不稳定状态的滑坡物源分布的优势高程、坡度、坡向、距沟道的距离分别为1 500～2 100 m、45～60°、偏南向、50～100 m。该研究模型在震后泥石流流域滑坡泥石流活动的危险评价具有一定的适用性及参考性。     

用于多元时间序列预测的自适应频域模型

近年来,学术和工业领域对时间序列数据的研究热潮不断增长,但其中蕴含的频率信息仍缺乏有效的建模.研究发现,时间序列预测依赖于不同的频率模式,为未来的趋势预测提供有用的线索:短期的序列预测更多依赖于高频分量,而长期预测则更多关注低频数据.为更好地挖掘时间序列的多频模式,提出了一个多特征自适应频域预测模型MAFD.该模型分为两个阶段:在第一阶段中,模型通过XGBoost算法对输入向量进行重要性度量,选择高重要性特征;在第二阶段,模型将时间序列的频率特征提取和目标序列的频域建模集成到一起,并根据时间序列对频率模式的依赖特点构建一个端到端的预测网络.MAFD的创新性体现在预测网络能够根据输入序列的动态演变自动关注不同的频率分量,从而揭示时间序列的多频模式,强化模型的学习能力.采用4种不同领域的数据集对模型进行了性能验证,实验结果表明,与现有经典的预测模型相比,MAFD具有更高的准确性和更小的滞后性.     

正交性与独立性——处理复杂系统的新思维系列之三

本系列论文基于《多边矩阵理论》,由东方整体性思维所启迪,试图提供并完善一套从整体到局部处理复杂系统多指标问题、非均匀性问题、非线性问题的强有力的数学工具,并对其进行严格的理论推导和证明。本文由两个随机变量的独立性的定义出发,给出了两组随机向量相互独立和相互观测独立的定义,推出了框架的正交性与随机变量的独立性等价定理,由此今后我们可以利用框架语言来研究随机向量的独立性问题。