基于轻量化深度学习网络的数字仪表识别

数字式仪表常用于变电站、工厂等生产环境,是一种直观的设备监测仪器。然而当前数字式仪表的读取方式还依赖于人工巡检、手动记录等,这些传统的巡检方式来监测设备的运行状态大大降低了巡检效率。为了实现传统行业的数字化转型,提出了基于轻量化深度学习的数字仪表识别方法,通过改进的YOLOv5(you only look once version5)的目标检测框架,针对数字仪表目标区域在整张图片大小不一致的情况,提出了对于感兴趣区域(region of interest,ROI)的迭代目标检测方法,首次检测将感兴趣区域进行检测并切割统一到相同的尺度,随后迭代检测网络针对感兴趣区域内的字符进行检测并分类,以达到精确读数的目的。为提升多尺度检测性能,采用Res2Net模块主干网络中的的残差模块。采用GIoU(generalized intersection over union)取代通用的IoU(intersection over union)作为位置损失函数加速模型训练效果的收敛。实验表明,改进后的框架实现了99.62%的准确率和99.55%的召回率,相比基线网络分别提升了12.72%和5.85%。通过将框架在边缘计算平台上的终端部署,在实际生产中取代了人工巡检,实现了商业化运行。

火力发电企业二次系统安全防护实施研究

分析并总结了传统老旧的火力发电企业在二次系统安全防护现存状况以及主要问题,总结并提出了改进方案,在实施过程中不断对比新旧安全体系下的企业网络安全现状,并客观评价了实施效果。

燃气轮机发电机迷宫型气封结构设计改进

介绍了某燃气轮机发电机转子绝缘情况,经过检查确定由于发电机迷宫型空气密封磨损而引起转子绝缘下降。通过对可能的影响因素进行了分析,提出并制定了迷宫型气封结构设计改进处理方案。实践证明,此次迷宫型气封结构设计改进切实可行,供同类型机组参考。

数字化燃气电厂智能点巡检系统的应用研究

为了使燃气电厂生产设备的运维与管理得到强化,在实际的检修过程中可以利用智能点巡检系统作为线点检修的主要作业方向,通过智能点巡检系统助力燃气电厂实现从计划性检修向预知性检修的发展,使燃气电厂设备的状态维修可以逐渐实现,从而摆脱以往设备的被动检修、过度检修、逾期检修的状态。在智能点巡检系统的帮助下,燃气电厂可以形成集故障、状态、改进等一系列检修工作为一体的高效率设备检修系统。