基于DTS技术的煤矿电缆载流量分析研究

从矿用机电设备安全角度出发,对煤矿高压电缆在线监测技术进行了探讨,重点分析了矿用高压电缆载流量监测的重要性,阐述了适用于煤矿高压电缆的热路模型和动态载流量模型,设计了基于DTS的动态载流量监测系统,描述了系统功能和系统组成,为煤矿高压电缆的监测提供了一种创新的方法。通过系统的应用试点,结果表明该系统可有效地展示电缆的运行状况及电缆路径上各位置的老化问题。

基于一维双重注意力网络的输送带纵向撕裂检测算法

针对传统的基于机器视觉的带式输送机输送带撕裂检测算法需要高算力、高功耗AI模组,本安电源无法满足其用电需求的问题,提出一种基于一维双重注意力网络(DANet-1D)的输送带纵向撕裂检测算法。通过工业相机采集输送带表面线激光形成的图像;设计激光条纹特征滤波器,提取条纹特征;设计基于一维双重注意力网络的撕裂检测算法,将撕裂的二维图像数据降维,在一维空间进行神经网络检测,运行速度更快且支持高分辨率图像;研制本安型输送带撕裂检测装置,并进行验证。结果表明:该算法的准确率P为92.54%,召回率R为91.78%,每帧平均检测时间为12.40 ms。工业性试验成功检测出输送带模拟撕裂,为输送带纵向撕裂提供了一种新的检测方案。

基于电池组模型和聚类算法的锂离子电池组SOC不一致估计

限于单体的功率和能量,电池组必须由成百上千的单体串并联而成,同时依赖于有效的电池管理技术,从而保证车辆行驶的动力性和经济性。然而制造误差和使用环境的不同导致电池单体存在不一致性,这使得准确估计所有单体电池荷电状态(State of charge,SOC)变得困难,从而导致电池发生过充和过放。因此,融合电池组模型和聚类算法,提出一种新的锂离子电池组SOC不一致估计方法,在保证精度的同时极大地降低计算复杂度。基于充电数据特征利用二分k-means算法将众多单体分为不同等级,减小需要考虑的对象;建立考虑参数不一致的电池组模型,用于估计单体SOC;从仿真数据和实车数据两方面验证估计结果的精度和计算复杂度,并与现有模型对比,结果表明所提方法单体SOC估计的误差在0.03以内,计算效率提高3~6倍。