深度学习在陶瓷表面缺陷检测方面的研究进展

针对陶瓷表面缺陷检测问题,深度学习算法是近年来研究的热点之一。通过建立合适的数据集、合适的网络模型和算法,可以实现对陶瓷表面缺陷的自动检测和分类。目前,常用的深度学习表面缺陷检测算法包括卷积神经网络(Convolutional Neural Network,CNN)、循环神经网络(Recurrent Neural Network,RNN)和多层感知器(Multilayer Perceptron,MLP)等。其中,基于YOLOv5算法的陶瓷缺陷检测方法是近期较为先进的一种方法,它具有较高的检测精度和实时性,能够准确地检测和识别陶瓷表面的各种缺陷,通过优化网络结构和损失函数,还可以进一步提高算法的性能;基于CSS算法的陶瓷缺陷检测方法提出使用图像分割的方法来分割陶瓷缺陷样本,并对分割后的样本集图像做二值化处理,突出缺陷的位置和大小。综述了陶瓷与深度学习相结合在材料表面缺陷检测方面的研究进展,并介绍了基于深度学习算法的陶瓷缺陷检测方法,以及详细综述了基于YOLOv5和基于CSS的陶瓷表面缺陷检测算法过程。

含高渗透率水电机组的电力系统振荡参数辨识

随着水电机组在电力系统渗透率的不断提高,低频振荡和超低频振荡等振荡形式有时会同时存在。针对多类型振荡模态信号特征参数辨识不精准的问题,文中采用自适应变分模态分解VMD(variational mode decomposition)算法和Hilbert变换对振荡信号进行特征参数辨识。利用能量损失系数确定模态数量,根据惩罚因子与模态分量中心频率的映射关系确定多匹配惩罚因子,自适应地对不同频段的振荡信号进行准确的模态分解,结合Hilbert变换对每组模态进行特征参数辨识。仿真算例和实测数据分析结果表明:本文方法自适应性强,与Prony滑动窗算法和ESPRIT算法相比,特征参数的辨识精度具有较大的提高。

基于全局和局部最优模型的电动汽车充放电优化调度

电动汽车大规模入网将对电网产生重大影响。针对大规模具有动态响应特性的电动汽车充放电问题,提出了全局最优调度和局部最优调度两种模型。通过电动汽车响应的实时电价模型,分别建立含电池损耗成本、连续可微、带线性约束的凸目标函数。全局最优模型需要负载和电动汽车各项信息求解全局总成本最小的调度方案。局部最优调度模型对电动汽车进行分组,以分布式模式最小化滑动窗口内电动汽车组的总成本。通过内点法对两种模型求解表明:局部最优调度方案可以扩展到大型电动汽车群,对电动汽车的动态到达特性具有弹性。相对于全局最优调度模型复杂的求解信息,局部最优调度方案具有更高的实用性和相近的求解结果。

柔性直流输电系统显式模型预测低复杂度控制技术

建立电压源型换流器的高压直流输电系统三阶分段仿射系统模型。针对传统的模型预测控制需要滚动优化的缺点,应用显式模型预测控制的方法,通过多参数二次规划来对状态空间进行凸划分,将原本大量的在线控制计算过程转移到离线阶段进行预计算。为降低其离线计算的复杂度,引入分离函数和误判点的概念,通过严格分离饱和分区的方法,减少需要预计算和划分的分区数量,也间接加快了在线计算时状态量搜索对应分区的速度。通过仿真分析验证了嵌入分离函数后,在负载突增和系统参数变化等环境下显式模型预测控制的控制性能。

基于SVMD和能量转移SR-MLS反演识别技术的低频振荡信号特征辨识

为解决多通道低频振荡信号特征辨识在噪声背景下提取精度低的问题,提出采用基于带宽总和限定的变分模态分解算法(bandwidth sum limit variational modal decomposition algorithm, SVMD)和随机共振–移动最小二乘(stochastic resonance-moving least squares, SR-MLS)反演识别技术相结合的方法进行低频振荡信号特征提取。以广域测量系统(wide area measurement system,WAMS)检测数据作为原始输入信号,利用SVMD算法对信号进行自适应去趋势项主导模态分离;再利用SR-MLS反演识别技术以噪声能量转移的方式进行强噪背景下带参信号反演,进而获得辨识频率、阻尼比、振幅等特征信息。最后,通过自合成模拟信号、IEEE16机68节点系统仿真以及东北电网实测数据3个算例进行分析,仿真结果表明,所提方法相比于传统方法 Prony和希尔伯特-黄变换法(Hilbert-Huang transform,HHT)算法具有更高的识别精度和稳定性。

ZrO_(2)/LAS微晶玻璃复合材料的制备与性能研究

将经过高能球磨后得到的Li_(2)O-Al_(2)O_(3)-SiO_(2)(LAS)玻璃细粉与ZrO_(2)混匀并且烧结后制得ZrO_(2)/LAS微晶玻璃复合材料,并研究了ZrO_(2)含量和烧结温度对复合材料相组成、宏/微观形貌、热膨胀性能、体积密度和硬度的影响。结果表明,影响ZrO_(2)/LAS微晶玻璃复合材料相组成的主要因素是温度,而ZrO_(2)的加入对LAS微晶玻璃复合材料的致密性、热膨胀性能及力学性能具有重要影响。当烧结温度为1100℃、ZrO_(2)含量为30 wt.%时,复合材料试样的致密性较高,并且在800℃时达到了较低的线性收缩率(3.55×10^(-5))。当ZrO_(2)含量为10 wt.%~30 wt.%时,复合材料在30℃~300℃的平均热膨胀系数均为负值且接近零,显示了复合材料良好的热稳定性。复合材料的维氏硬度随着ZrO_(2)含量的增加而基本呈线性增长,说明ZrO_(2)的加入有利于提高复合材料的力学性能。这种通过外加法将ZrO_(2)引入到LAS微晶玻璃体系的方法,为具有低热膨胀系数和高机械性能的微晶玻璃复合材料的制备提供了有效参考。

铝–油酸/正庚烷基纳米浆体燃料液滴着火燃烧特性

采用液滴悬挂法研究了正庚烷液滴、油酸/正庚烷混合燃料液滴、含20wt%纳米铝粉的铝–油酸/正庚烷基纳米浆体燃料液滴在不同温度下(600~800℃)的着火燃烧特性。用高速摄像机观测液滴进入管式电阻炉后的着火燃烧过程,使用热电偶记录液滴周围的气相温度变化,同时通过对应的温度曲线计算液滴的着火延迟时间。结果表明,纳米铝粉和油酸的添加均能降低正庚烷液滴的着火延迟时间。随温度升高,正庚烷、油酸/正庚烷混合燃料、铝–油酸/正庚烷基纳米浆体燃料液滴的着火延迟时间显著降低,但变化趋势逐渐趋于平缓。铝–油酸/正庚烷基纳米浆体燃料液滴的着火延迟时间与环境温度满足阿累尼乌斯方程。与纯正庚烷、油酸/正庚烷混合液滴的燃烧过程相比,铝–油酸/正庚烷基浆体燃料液滴的燃烧过程有显著差异,其燃烧经历3个阶段:正庚烷稳定燃烧阶段、正庚烷微爆炸阶段和表面活性剂微爆炸阶段。铝–油酸/正庚烷基浆体燃料液滴燃烧时间延长,火焰熄灭后又复燃,且燃烧过程中发生剧烈的火焰形变和铝颗粒溅射现象,大部分铝以团聚体形式在第三阶段完成氧化还原反应。