多尺度卷积神经网络的电阻层析成像算法

针对电阻层析成像(ERT)经典算法(LBP、Landweber等)在复杂流型情况下成像精度低的问题,提出一种基于多尺度卷积神经网络(Multi-scale Convolutional Neural Network, MS-CNN)的电阻层析成像图像重建算法。根据气液两相流流型特点,构建有限元模型得到20 000组包含“边界电压向量-电导率分布”的数据集。在典型卷积神经网络Resnet50和Vgg16的基础上,构建针对ERT图像重建问题的MS-CNN。仿真实验结果表明,与Landweber迭代算法和单尺度卷积神经网络算法相比,MS-CNN算法的ICC分别提升了0.715和0.023,RIE分别降低了0.812和0.057。抗噪性测试与静态测试结果表明,MS-CNN算法具有良好的图像重建结果和鲁棒性。

基于IPSO-Elman的气液两相流含气率测量方法

为安全且非侵入式地测量气液两相流含气率,提出一种电阻层析成像(ERT)陈列电阻与Elman神经网络相结合的含气率测量方法。首先,为加快模型训练速度并避免数据冗余,使用主成分分析(PCA)算法对120维的阵列电阻特征降维。然后,在粒子群(PSO)算法中引入自适应惯性权重和非线性学习因子,并加入遗传算法(GA)的交叉和变异行为以加快算法收敛速度。最后,通过改进的粒子群(IPSO)算法优化Elman神经网络初始权值和阈值,并建立含气率测量模型。经对比实验发现,PCA-IPSO-Elman含气率测量模型的平均绝对百分比误差为2.92%,且训练时间较IPSO-Elman模型减少68.8%。说明所提方法可以达到预期的测量效果。

融合注意力机制与自适应模板更新的目标跟踪算法

针对基于孪生网络的跟踪算法在目标快速移动、发生较大形变、处于复杂背景等情况下容易出现跟踪性能下降的问题,提出一种融合注意力机制与自适应模板更新的目标跟踪算法。跟踪算法以SiamRPN为基础,通过在特征提取网络融合通道注意力机制与空间注意力机制,抑制图像中的干扰信息,补充目标特征在通道空间中的信息,更好地对目标进行定位。将对象在不同时刻的模板,包括初始模板、累积模板和预测模板作为帧残差模块的输入,采用残差学习策略,充分利用初始模板语义信息,自适应更新当前帧所需的模板,减少了跟踪飘移的现象。在OTB100数据集上的实验结果表明,本文跟踪算法与其他跟踪算法相比取得了更高的跟踪成功率和准确率。

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。

图像处理技术在直升机巡检输电线路中的应用综述

直升机巡检以其高效、准确和安全等特点逐渐成为高压输电线路巡检的重要方式。通过对直升机巡检采集到的大量航拍图像的处理和分析可以发现输电线路故障和缺陷,因此图像处理技术在电力线路巡检中具有良好的应用前景。分析了国内外直升机巡检输电线路图像处理技术的研究现状,提出了图像处理技术应用于该领域需要解决的几个主要技术问题,并探讨了可能的解决方案,最后对输电线路巡检的发展方向进行了预测,并提出该领域将可能成为研究热点。

基于RBF神经网络的气体流量软测量模型研究

流量信号是热工过程中非常重要的一个信号。由于流量信号存在着非线性、随机性和易受干扰的特点,很难建立起一个准确的测量模型,如传统的3种圆管紊流流速分布的近似模型,基于这些模型的传统测量方法很难测量出准确的流量值。该文提出的基于径向基函数(RBF)神经网络的流量测量模型,采用了带有遗忘因子的梯度下降算法来确定隐层基函数中心的位置和输出层权值的大小。计算结果表明这种模型计算量小、精度高,且算法简单实用。实验结果说明,基于这种模型的流量测量精度较以往模型有很大提高。

用圆管中最大流速测量流量的实验研究

根据已知圆管紊流流速分布的近似模地，研究了使用管道轴线处的最大流速测量流量的方法。通过实验验证了这种方法的正确性和可行性，并得到了相关的实验公式。该方法具有简单、准确、节能等特点，有较好的应用前景。

一种气体流量的软测量系统研究

流量信号是生产过程中一个重要参数。虚拟仪器技术是仪器仪表领域一个充满活力的发展方向。从光滑圆管的 3种紊流流速分布模型出发 ,应用虚拟仪器技术 ,实现了使用管道截面上的最大流速来测量气体流量的软测量方法。详细阐述了该方法的测量原理、系统构成及特点 ,体现了在流量测量领域的先进技术和最新方法。实验数据表明了这种方法是准确、可靠的 ,能够实现在线、自动测量并具有节能的效果 ,具有较好的应用前景。

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。

非接触式超声热量计的设计

从热量测量的基本原理出发,结合供暖系统的技术指标,应用超声波测量技术研制了一种非接触式热量测量系统,并给出了系统的软件和硬件设计方法。这种热量测量系统采用嵌入系统,具有耗能低、非接触、对温度与压力等各项参数能进行自动校正等功能。实验表明:这种热量计测量精度达1.5级,且具有结构简单、成本低及实用性强等优点。

基于链码和纹理分析的输电线断股检测

为了解决基于数字图像的输电线断股的检测问题,提出了基于Freeman链码和纹理分析法相结合的输电线断股检测方法,并根据断股输电线特点提出了链码断股识别准则。对待识别图片进行灰度化、滤波和边缘检测处理;运用Radon变换对输电线进行定位,获得输电线在图像中的位置;分别运用Freeman链码和纹理分析法对输电线的外围和内部进行判断,对断股位置和掉落电线进行检测,从而实现了输电线断股和形变的定位,并对断股缺陷的程度进行判别。实验结果表明,该方法可以准确定位输电线断股位置。

基于虚拟仪器的热电偶自动计量检定系统

热电偶的检定是其使用过程中必不可少的工作环节。自动检定不仅工作效率高,而且可以提高检定准确度。虚拟仪器技术是计算机技术应用于仪器领域的最新成果,以虚拟仪器技术为基础,介绍了热电偶检定系统的新方法,使得热电偶的检定真正实现了自动化,同时,具有数字和图形显示方式,以及分析、打印和数据处理等多种功能,还阐述了系统的硬件结构和软件流程,并在实际应用中得到验证。

基于深度残差神经网络的电阻层析成像及流型辨识方法

针对电阻层析成像(electrical resistance tomography,ERT)反问题成像精度和流型识别准确率偏低的问题,提出一种基于深度残差神经网络的两相流电阻层析成像及流型识别方法。利用有限元法对ERT正问题建模,构造多种气液两相流分布状态的“边界电压–电导率分布–流型类别”数据集。搭建用于气液两相流ERT图像重建和流型辨识的残差神经网络模型并进行网络训练,将残差神经网络的两个输出分别进行数据处理,得到重建的电导率分布图像和流型辨识结果。仿真与静态实验结果表明:该方法能够同时实现成像及流型辨识的需求,具有重建图像精度高、泛化性和抗噪性强、流型辨识准确度高的特点。

基于超声波液位计的标准流量计量方法

为了解决传统水流量标准装置存在由换向器的换入和换出行程差产生的流量测量误差问题。通过对超声波液位计的原理分析和容积标定法的研究,提出了一种基于超声波液位计和标准水箱的流量在线检测计量方法。利用超声波液位计与标准水箱进行实验,得到液位高度和液位体积的函数关系;利用上位机和8路模拟量采集模块采集标准水箱液位高度和相应的时间,进而得到标准圆筒中液位体积和时间的关系,由单位时间内流体体积的变化值得到实际流量值。实验结果表明,采用此方法得到的流量测量值精度能够达到0.55%,能够实现流量的精准测量。

基于卷积神经网络的气液两相流流型识别方法

针对两相流流型识别率不高且存在主观性的问题,提出一种基于Landweber迭代图像重建算法和卷积神经网络相结合的流型识别方法。利用Landweber迭代图像重建算法来获取流型图像并构建出流型图像数据库,通过对VGG16网络中不同的卷积层层数和不同尺寸及分辨率的数据集样本进行流型识别,确定了网络冻结卷积层和输入图片的参数。实验结果表明:采用电阻层析成像与卷积神经网络相结合的方法,使得流型识别准确率达到了95%,识别性能得到了提高。

基于多尺度特征融合的超分辨率重建算法研究

超分辨率重建技术可以提高图像质量,使原图像具有更丰富的细节信息。针对现有的超分辨率重建算法存在提取特征单一、不利于对图像信息进一步提取的问题,提出了一种基于多尺度特征融合的超分辨率重建算法。采用多特征提取模块获取更多浅层信息,并在网络中添加密集连接结构,增强特征的传播,减少相关参数计算,减轻梯度消失问题。在Set5和Set14基准数据集上进行了测试,并在电力巡检数据集上进一步验证了算法的有效性。与主流的超分辨率重建方法进行了对比,实验结果表明,该方法生成的图像有更加丰富的细节信息,能够有效地改善图像质量,峰值信噪比与结构相似度值较其他主流算法均有一定的提高。

基于NB-IoT的定位及远程管控系统设计

工业生产或实验中对重要物品的存放和运输有特殊的要求,针对此问题设计了一种基于NB-IoT和STM32的定位及远程管控系统。以STM32作为系统主控芯片,选择BC20作为NB-IoT通信单元,BC20采集定位信号并实现与物联网平台的通信,上位机从物联网平台获取数据实现远程监控。结果表明:该设备能够对设备位置信息进行实时采集,定位精度在5 m以内,同时具有防盗报警、远程报警、临时密码解锁等功能,极大提高了重要物品的存放和运输安全性。

融合多尺度特征与注意力机制的风机桨叶缺陷检测方法

针对传统风机桨叶检测算法在复杂环境存在误检及检测精度低的问题,提出一种融合多尺度特征与注意力机制的风机桨叶缺陷检测方法。首先使用改进的骨干网络L-ResNet50进行特征提取,保留更多有效信息;然后对不同尺度特征层嵌入注意力机制模块,增强重点语义信息;最后对提取出的深层特征与浅层特征进行多尺度特征融合,进一步提高模型准确率。通过对无人机航拍采集的风机桨叶图像进行缺陷检测实验,结果表明,所提方法在复杂环境下的风机桨叶缺陷检测中平均准确率较原Faster R-CNN模型提高8.2%。

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。

基于LSTM的气液两相流液相流量测量方法

气液两相流参数测量的准确性和实时性对火力发电、化工、石油等工业生产具有重要意义。为提升气液两相流液相流量测量速度和精度,通过对电阻层析成像(electrical resistance tomography,ERT)技术和长短时记忆(long and short time memory,LSTM)神经网络的研究,提出了一种基于LSTM神经网络的气液两相流流量测量方法。利用16电极ERT系统分别采集了弹状流、泡状流两种流型对应的阵列电阻值,并将其作为LSTM神经网络的输入,电磁流量计采集的液相流量值作为理想输出,通过网络训练得到了2种流型下的液相流量测量模型。仿真实验结果表明:利用该方法在弹状流和泡状流下的均方根误差分别为5.359 m^(3)/h和4.088 m^(3)/h,平均引用误差低于3%,测量精度和速度优于BP神经网络,能够实现对两种流型下液相体积流量的准确测量。