大型发电机转子绕组匝间短路故障研究

我国经济发展离不开电网,而大型机组又是电网的主体,因此,确保其安全、稳定运行有着十分重大的实际意义。“十三五”以来,我国政府出台了“中国制造2025”,其中对各类发电设备,特别是大型机组的制造能力提出了更高要求。但是,在用的大型机组,如果出现事故,造成的损失和破坏都是很大的。发生较小的短路事故,对发电机的正常运转无显著影响。然而,若不能对其进行早期检测与诊断,放任其持续发展,将对机组的安全运行构成重大威胁,轻则转子接地,重则导致转子绕组烧毁,部件磁化,乃至失磁。鉴于此,本项目拟针对大容量发电机转子匝间的短路故障进行研究,希望能为国内有关部门提供有益的借鉴。

结合前车驾驶意图辨识的汽车主动防撞预警系统

为了提高主动防撞预警系统安全性,提出一种结合前车驾驶意图辨识的汽车主动防撞预警系统。系统利用前车踏板信息作为观测值,使用基于双层隐马尔可夫算法建立的模型对前车驾驶意图进行实时辨识;意图辨识结果通过车车通信技术传给自车,并结合车速触发相应的前向碰撞风险系数,然后将系数引入碰撞预警系统中;最后利用PreScan软件对碰撞模型进行仿真测试。结果表明驾驶意图辨识平均准确率为96%,在加入碰撞风险系数的情况下,车辆在中、高速跟车行驶中预警时刻较基于碰撞时间(time to collision,TTC)防撞模型平均提前0.53 s,停车后两车距离平均为3.48 m,较TTC防撞模型平均增加了2.63 m,验证了本方法的有效性。

结合迁移学习和Inception-v3模型的路面干湿状态识别方法

针对传统方法对路面干湿状态识别分类正确率较低的情况,提出了基于迁移学习的路面干湿状态识别方法。利用深度卷积神经网络强大的特征学习和表达能力,自动学习干湿路面的特征,并采用迁移学习的方法将Inception-v3模型在ImageNet图像数据集上学习得到的知识深度迁移至路面干湿状态识别任务。实验结果表明,所提算法在测试集上测得的分类准确率约为94.5%,与非迁移学习算法和基于底层视觉特征识别学习的算法相比,具有更高的准确性和良好的鲁棒性,以及较强的泛化能力。

大型车辆右转弯盲区预警系统设计

为弥补传统大型车辆右侧盲区预警系统夜间工作效果差、危险预警准确率低等不足,设计了一种应用于全天候环境的大型车辆右转弯盲区预警系统。当采集到右转向灯开启信号时,系统启动林柏视C600高清红外视觉传感器拍摄盲区图像。应用已训练的Inception-v3迁移学习模型对图像进行行人和骑行者检测。若检测到危险情况,系统立即显示盲区状况并报警。试验表明,所设计系统对每帧右侧盲区图像检测的平均准确率为97%,平均耗时为74.8 ms,能在夜间无光照条件下进行准确识别,实现及时、可靠的右侧盲区预警。

固滴水电站机组水导旋转油盆严重进水问题的分析与解决

水轮机水导轴承是承受水轮机转动部分的径向力,保持转轮和主轴绕旋转中心转动的重要部件,其工作状况的好坏决定了机组能否长期安全稳定运行。透平油作为机组水导轴承润换、散热的重要介质,对其清洁度、干燥度要求很高,一旦这两个指标不满足要求将会严重影响轴承的工作性能。固滴水电站自2021年汛期开始,3台机组均出现了顶盖水位升高、水导旋转油盆严重进水的现象,导致机组出现2次水导轴承烧瓦事故,给电站造成了严重的经济损失,针对固滴电站机组水导旋转油盆进水的问题进行了多次查找分析,先后经过对主轴密封运行压力的调整、更换主轴密封橡胶活塞、旋转油盆外部增设挡水板等方法进行处理,水导旋转油盆进水的问题还是没得到根本解决,最终通过对所有可能引起机组顶盖水位升高的原因进行逐一排查,最终发现水导旋转油盆进水原因是顶盖均压排水管漏水严重导致,顶盖均压排水管是水轮机顶盖制造时在厂内焊接的排水减压部件,出现漏水的现象较为罕见,排查、分析、解决水导旋转油盆进水的问题具有一定的代表性,可为同行人员解决处理该类故障提供一个思路。

固滴电站机组接力器活塞杆及推拉杆断裂故障的分析与解决

机组接力器是接受调速器压力油来操作机组导叶的重要执行机构,其设计、制造、安装质量直接关系到机组运行的可靠性。固滴电站自投产以来,3台机组均出现过接力器活塞杆、推拉杆断裂的故障,活塞杆、推拉杆断裂前均有严重弯曲变形,经过对接力器水平、中心、高程的复测检查以及对推拉杆、活塞杆重新选材加工更换,仍未能解决活塞杆、推拉杆弯曲断裂的问题。最终从推力杆受力角度进行分析,找出了接力器活塞杆、推拉杆断裂的根本原因是推拉杆与连板尺寸设计不合理,导致活塞杆与推拉杆连接部位径向受力过大,这个径向力是连板对推拉杆的反作用力,这个力的主要危害是使推拉杆、活塞杆发生弯曲变形、断裂。通过将推拉杆长度缩短、连板长度加长改造处理,改善了推拉杆的受力情况,彻底解决了机组接力器活塞杆、推拉杆断裂的故障,该问题较为罕见,具有一定的代表性,可为同行人员解决处理该类故障提供一个思路。