基于参数自适应SVR和VMD-TCN的水电机组劣化趋势预测

针对水电机组难以利用实时监测数据对机组劣化状态进行有效评估,以及水电机组不同运行工况对运行状态指标趋势预测模型参数影响显著的问题,提出一种基于参数自适应支持向量回归机(SVR)、变分模态分解(VMD)和时间卷积网络(TCN)的水电机组劣化趋势预测方法;首先按照功率和水头将机组运行工况细化为若干典型工况,在此基础上采用改进天鹰算法建立SVR模型,对各个工况下的预测参数进行寻优,建立起工况与最优参数的数据;再通过神经网络对工况和最优预测参数进行拟合,构建出映射两者复杂关系的非线性函数,然后将构建出的映射关系加入到传统的SVR中,实现适应于水电机组工况变化的自适应SVR健康模型;其次,根据健康模型输出的标准值和监测数据,计算出劣化趋势序列;最后,考虑到劣化趋势序列的非线性因素,建立了一个基于VMD-TCN的时间序列预测模型,以实现对劣化趋势的准确预测。并设计多组对比实验,验证所提出模型的精度更高,时间更快。

基于改进YOLOX网络的雾天绝缘子缺陷检测

绝缘子作为输电线路中重要的元器件,对绝缘子缺陷的识别和定位在电网巡检方面有重要意义。为了对雾天情况下绝缘子状态进行准确定位识别,改进了YOLOX目标检测网络。首先,为了加快网络的训练速度,改进了激活函数;其次,为了解决小目标样本相较于整体样本较少和样本不均衡的问题,改进了图像增强方法和损失函数;最后,将改进的YOLOX网络在数据集上与4种目标检测网络进行比较。实验结果表明,在雾天数据集上,改进后YOLOX的准确度、平均准确率和每秒处理图片张数都有一定提升,符合无人机巡检的要求。

基于IMF-MFDE和GRU的水电机组故障诊断

针对水电机组振动信号非平稳、非线性及强噪声的特点,提出了一种IMF多尺度波动散布熵(MFDE)结合门控循环单元(GRU)的故障诊断方法。首先,采用跳蛛优化算法(JSOA)寻找变分模态分解(VMD)最优参数,达到振动信号最佳分解降噪效果;其次,对分解得到的本征模态函数(IMF)进行重构,计算有效IMF的多尺度波动散布熵(MFDE)作为故障特征向量;最后,将特征向量输入GRU构建水电机组故障识别器。所提方法对实际水电站机组故障样本数据的故障识别率达97.83%,验证了该方法的有效性。

基于改进YOLOv5的PCB板表面缺陷检测

针对当前PCB板检测参数量庞大、检测精度低等问题,提出了一种改进YOLOv5的检测模型。以YOLOv5模型为框架,采用EfficientNetV2结构替换原始模型的主干网络,针对小目标缺陷,引入对空间信息更敏感的CA注意力机制,并采用α-IoU损失函数提高模型回归精度。实验结果表明:改进后的YOLOv5网络模型较原始网络均值平均精度提高了2.6%,参数量减少47%,可应用在小型工业检测设备中。

考虑关键节点和重要线路的电力系统PMU优化配置

相量测量单元(PMU)是一种测量电压和电流的设备,随着电力系统的规模和结构越来越复杂,PMU的数量也大幅增加.利用改进蝠鲼觅食优化算法(IMRFO)对PMU进行了配置,使电力系统在正常运行、考虑关键节点和考虑重要线路时都能完全可观测,同时使PMU配置数最少.在蝠鲼觅食算法的基础上增加了混沌映射以提升算法的收敛速度,增加了跳跃因子以提高算法的勘测能力,从而避免算法陷入局部最优.通过度、特征向量和接近度三种指标,利用TOPSIS综合评价寻找系统的关键节点,利用线的中间中心度判断系统的重要线路.对IEEE-14和IEEE-69节点系统进行了实验仿真,结果表明:IMFRO算法与未改进时相对比,在配置时所需的PMU数和迭代次数均有一定的减少,验证了所提方法对解决PMU优化配置问题的有效性和优越性.

预算一体化对行政事业单位财务工作的影响

随着社会的进步和经济的发展,预算管理在行政事业单位中扮演着越来越重要的角色。而预算一体化的实施,更是对财务管理产生了深远的影响。本文将深入探讨预算一体化对行政事业单位财务工作的影响,并总结如何充分发挥预算一体化的积极作用,以高效地推动行政事业单位的财务工作。

基于改进MobileNetV3的PCB裸板缺陷检测

为解决传统PCB裸板缺陷检测效率低、误检率高、通用性差等问题,提出一种基于改进MobileNetV3的PCB表面缺陷检测模型。首先对PCB数据集进行预处理,然后采用多方向协调注意力代替原网络中的挤压和激励注意力模块,提升特征定位精度从而增强感受野;最后利用软池化优化MobileNetV3的末端结构,以在简化后的激活映射中保留更多的特征信息。实验结果证明,提出的模型对PCB裸板缺陷检测的平均准确率可达96.1%,图片平均检测速度为25.1 ms,能够高效识别PCB裸板的多种缺陷类型,对工业生产中PCB裸板的质量检测有实际应用价值。

基于EfficientNet-YOLOv5s的绝缘子缺陷检测

针对目前复杂背景下绝缘子缺陷小目标检测准确率低的问题,提出一种深度学习框架下的EfficientNet-YOLOv5s神经网络检测算法,首先通过无人机航拍输电线路中含有各类绝缘子的图像,并通过图像增强技术丰富图像数据集,然后用EfficientNet网络替换YOLOv5s主干网络,用改进的网络对标注的绝缘子数据集进行训练和测试,最后对模型的损失函数和非极大值抑制算法加以改进,进一步解决绝缘子目标重叠导致的漏检问题。实验结果表明,改进的网络平均精度达到98.5%,满足输电线路中绝缘子缺陷检测要求。

自然停放时间对低压铸造ZL114A合金力学性能的影响

对低压铸造ZL114A铝合金先进行(540±5)℃×14.5 h固溶处理,再进行不同时间(1~8215 h)的自然时效处理,然后对自然停放1~100 h的试验合金进行(170±5)℃×4 h人工时效处理,研究了自然时效过程中合金硬度的变化以及停放时间对人工时效后合金力学性能的影响规律。结果表明:在自然时效过程中,试验合金的硬度整体呈增大趋势,时效8215 h时达到91.8 HBW,低于人工时效的110 HBW。随着停放时间的延长,人工时效后试验合金的抗拉强度和屈服强度先升高,在停放10 h时达到峰值,分别为355.0,303.3 MPa,随后降低,在停放50 h时降至最低值,分别为336.7,261.7 MPa,随后又有所升高。断后伸长率的变化规律与强度的变化规律相反。在自然停放过程中由于形核驱动力低,试验合金中形成界面能较低的pre-β″相,在人工时效过程中形成强化效果更为明显的β″相,这是强度在停放10 h内升高的原因;而后强度降低的主要原因为不稳定溶质原子偏聚区(GP区)在人工时效时发生了重溶;当停放时间超过50 h后,GP区长大到了稳定的晶核尺寸,在人工时效处理时不会发生重溶,强度回升。

基于直方图均衡化与形态学处理的边缘检测

针对传统的边缘检测算子存在噪声干扰、边缘丢失和伪边缘干扰的问题,提出将传统的边缘检测与形态学处理和直方图均衡化有机结合的边缘检测方法。算法通过抗噪性参数P,引入权值将组合算法中图像增强处理与形态学的组合算法相融合获得较好的边缘。通过不同形态学算法在四种组合下边缘检测的效果分析和抗噪性参数P比较,实验结果表明,图像在有无噪声情况下效果基本一致,边缘完整性得到了很大的提升。该组合算法在抗噪能力、边缘丢失与伪边缘干扰处理上拥有较好的平衡,提高了边缘检测效果,为工业加工图形识别提供了一定的思路。

基于最小包络矩形的不规则凸多边形的三角形处理算法

针对最小矩形包络算法处理不规则多边形时包络率低并造成板材使用率低的现象,在最小矩形包络算法基础上,提出三角形处理法。通过包络求解、分类、组合三个环节将不规则凸多边形转化成矩形,并采用遗传算法及最低水平轮廓算法进行矩形排样。通过对比实验,验证了三角形处理算法提高板材使用率的有效性。

双缝衍射用于CCD响应特性标定的模拟研究

输入输出响应特性是 CCD应用中的一项重要参数 ,标定这一参数的方法很多。介绍一种新的标定方法——双缝衍射法 ,即利用双缝衍射图像各亮条纹的衰减关系来产生不同的 CCD能量输入 ,从而标定 CCD的响应。给出了模拟结果。

在线学习自适应模糊控制器在水轮机调节中的应用

针对水轮发电机组系统具有时变非线性,传统的控制方法很难达到最优控制的特性,提出采用基于RBF神经网络和遗传算法的自适应模糊控制器来控制水轮发电机组运行.模糊控制器的比例因子、模糊推理规则和隶属函数由遗传算法在线寻优.由RBF神经网络进行被控对象的动态特性模型辨识,以评价模糊控制器控制性能.仿真实验表明,控制效果良好,特别在变工况和扰动情况下优于最优PID控制.

变结构控制在空间光通信PAT系统中的应用

基于离散指数趋近律和被控对象离散化模型设计了空间光通信的瞄准、捕获和跟踪系统(简称PAT系统)的变结构控制器,通过改变趋近律的参数,消除了系统的抖振现象,使得在滑模方式下系统收敛于平衡点,从而实现了系统远远高于经典频域法对动态目标的跟踪精度。仿真结果表明在跟瞄性能方面变结构控制跟踪动态目标的跟踪精度比经典控制提高了两个数量级,证实了该设计方法的可行性。

基于89s52单片机的绝缘子检测控制系统设计

针对绝缘子试验环境的要求,设计出一套用于检测绝缘子机械强度的温度及拉力控制系统。从硬件和软件两个方面阐述了本系统的工作原理及功能,重点分析了上位机利用MCGS组态软件与单片机的通信问题;同时基于MCGS开发出一套温度和压力的监控软件。实验结果表明,对于温度的交替变化和压力的恒定维持取得了较为满意的效果。

基于NNARX的动态神经网络模型的水电机组预测控制

针对水轮机调节系统的高阶、非线性及非最小相位的特点,设计了基于非线性自回归动态神经网络(NNARX)的水电机组预测控制系统。为了更好地得到过程参数及对象模型,先利用NNARX神经网络对水电机组整体进行辨识,再利用此网络对水电机组进行预测控制,并给出了模型算法及处理过程。由于NNARX动态网络误差曲面比较复杂,利用L-M算法对其进行训练。仿真结果表明,基于NNARX的动态神经网络模型具有很好的收敛性,辨识精度高,预测控制效果良好。

基于YOLOv4神经网络的小龙虾质量检测方法

设计了一种采用YOLOv4深度学习算法的小龙虾质量检测模型,该算法在网络架构、数据处理、特征提取等方面进行了优化。自主拍摄小龙虾图片并进行数据扩充,使用LableImage平台进行数据标注,在Darknet框架下进行网络模型训练,通过对比,模型最终性能均高于其他常见目标检测模型,其检测准确率达97.8%,平均检测时间为37 ms,表明该方法能够有效检测生产过程中的小龙虾质量。

基于改进YOLOv5的小龙虾品质检测方法

小龙虾质量检测是其生产加工中的重要环节,针对当前目标检测模型在不同数据集上存在拟合性能不佳、冗余错误等问题,提出了一种基于改进YOLOv5网络的小龙虾质量检测方法。首先在主干网络采用DP-Conv卷积改进CNN卷积,利用高维过度参数化提高拟合效果和检测速度。其次在残差块Res_unit中嵌入SENet模块加强上下文的语义联系,减少冗余信息的干扰。最后设计一种小龙虾数据采集方法。与3种目标检测算法实验对比,结果表明,改进后的算法检测精度达到97%,速度为60帧/s,模型性能优于其他3种算法,具有高检测精度和高速度的应用效果。

基于自适应模糊神经网络的水轮机特性辨识研究

利用自适应模糊神经网络(ANFIS)较强的非线性逼近能力,建立了辨识模型,对水轮机非线性特性进行了辨识.训练算法采用最小二乘和梯度下降结合的算法来训练参数,模型能很好地辨识水轮机特性,并有一定的透明性,为研究智能水轮发电机控制策略提供了有效的建模方法.

水轮发电机组的模糊PID复合控制策略研究

针对常规P ID或模糊控制对非线性、时变、高阶水轮发电机组系统不能达到较好控制效果的问题,提出一种模糊和P ID复合控制策略,并对模糊和P ID控制结合形式进行了详细讨论。结合水轮发电机组模型,采用专家经验和遗传算法优化相结合的方法对每种模糊和P ID结合形式进行了参数和规则整定,并对各种复合控制策略进行了仿真实验,分析了模糊和P ID如何优势互补达到较好的控制效果。