基于生成对抗网络的图像恢复与SLAM容错研究

为了提高即时定位与地图构建(SLAM)系统的容错能力,在经典图像生成网络Pix2Pix的基础上,逐步添加深度估计网络和深度信息的输入、基于STN网络的图像重建损失以及基于图像修复网络的图像补全损失3个方面的改进.结合双目图像的耦合关系,通过挖掘和融合多种信息,增大了信息的利用率,提高了模型的图像生成效果.提出将生成对抗网络(GAN)技术与SLAM容错场景相结合,直接实现了感知端的容错.在KITTI和Cityscapes数据集上进行实验,验证了改进模型的有效性.将模型生成的图像用于双目视觉系统的重建,验证了容错思想的可行性.

基于集成学习的热电联供机组标煤耗量实时估计算法研究与应用

为了降低电厂的运行成本,目前大多数燃煤电厂普遍采用混煤掺烧技术进行发电生产。由于煤质成分无法实时测定,电厂运行人员缺少对机组标煤耗量的精准评估,从而导致运行人员无法有效地针对关键发电设备进行优化调度。为了解决上述问题,提出了一种基于集成学习的热电联供机组标煤耗量实时估计算法。该算法采用梯度提升树对热电联供机组进行标煤耗量回归分析,得到基于特定工况的标煤耗量回归曲线。经实验验证,该算法能够快速估计实时标煤耗量并协助优化调度。

基于智能电厂的实时计算框架研究与应用

随着数字化建设的逐渐深入,发电行业对智能化需求日益增加。每天产生海量的生产数据,对智能电厂的底层模型运行机制性提出了更高的要求。为了在有限计算资源条件下,解决模型计算频率无法满足实时生产的问题,提出了一种模型实时计算框架。该框架对模型运行的整个过程进行解耦,形成分布式计算结构,并采用预加载机制优化计算过程,提升模型计算效率。经实验验证,该框架在时序数据中得到应用,具有较强的实用性。

基于多元状态估计的尿素水解系统预警算法研究与应用

尿素水解系统可能存在尿素溶液污染除盐水、氨气带水、伴热管道效果差、喷氨管道堵塞等故障,影响设备的环保效率。为了解决上述问题,提出一种基于多元状态估计技术的尿素水解系统预警算法。该算法采用多元状态估计对尿素水解系统进行状态监测,得到状态评估值与真实值的残差用于判别该系统是否异常。经实验验证,该算法能够实现对尿素水解系统的状态监测,实现提前预警。

基于BP神经网络和改进遗传算法的单晶硅生产调度算法

针对单晶硅生产企业在车间生产调度方面的问题,提出了基于BP神经网络和改进遗传算法的单晶硅生产调度算法。该算法在对投料的准确度上进行优化,对初始种群进行子种群划分,采用自适应的变异率和交叉率以及混合交叉方法进行遗传编码的交换。对最小化最大完成时间、最小化交付期逾期时间和最小化总能耗多目标提出了综合适应度计算。最后通过实验对该算法与经典遗传算法进行比较,验证该算法具有较好的性能,并能解决实际问题。