基于条件生成对抗网络的空气预热器内红外补光监测视频图像清晰化方法

火电厂空气预热器(空预器)内部的灰尘、烟雾、光照变化等因素导致监控视频画面不清晰,影响监控效果。鉴于此,本文提出一种基于条件生成对抗网络(cGAN)的恶劣工业环境下红外补光监控视频图像清晰化方法。针对获取的红外补光图像样本数据进行预处理,包括高斯滤波去噪以及图像拼接操作,得到低清晰度图像和高清晰度图像的合成图像,低清晰图像作为待重建图像,高清晰图像作为重建图像的理想参考图像,采用建立的cGAN模型对低清晰图像进行重建,调节优化参数生成高清晰图像。试验采用空预器现场监控视频作为训练集对网络模型进行离线训练,实现了空预器红外补光监控图像清晰化处理。本文方法cGAN模型小、训练过程简单、计算效率高、图像清晰化处理效果好,适于相似复杂工业环境下对监控视频图像的恢复和清晰化处理。

基于深度学习的空预器转子红外补光图像积灰状态识别

目前大型电站锅炉广泛采用的回转式空气预热器(简称“空预器”)普遍存在堵塞现象,严重时甚至会限制锅炉出力。针对这一问题,提出一种基于深度学习的空预器转子红外图像积灰演化分析方法。针对获取的空预器转子红外补光图像样本数据进行预处理,去噪后转化为灰度曲线图像,并采用高斯滤波方法进行图像增强。然后建立灰度共生矩阵(gray levelco-occurrencematrix,GLCM)计算相关统计量,提取了角二阶矩(angular secondmoment,ASM)能量、对比度、熵、逆方差(inverse difference moment,IDM)和自相关性5类纹理特征参数。最后建立了深度信念网络(deep beliefnetwork,DBN)模型并进行训练与测试。结果表明:所提方法不但可以实现对空预器转子积灰程度的有效检测和监视,而且能够提前预测空预器堵塞可能性,从而指导运行人员优化运行吹灰系统,保证空预器正常运行。

浅析我国企业知识产权法律风险的管理体系

目前，我国现代企业知识产权法律风险的管理已经成为世界各国企业争夺国内外市场的重要战略手段。但是，纵观我国现代企业在知识产权法律风险的管理方面存在着制度落后、意识淡薄、投入不足等问题。面对不断激烈的市场竞争，很多企业在这方面栽了跟头、吃了大亏，甚至付出了惨痛的代价。本文将就目前我国企业知识产权法律风险的管理进行深入的研究与分析。

回转式空气预热器吹灰蒸汽参数研究

电厂燃煤含灰严重,特别是在锅炉尾部增设脱硝装置后,极易造成回转式空气预热器堵塞。通过对吹灰器蒸汽参数的研究,找到一种最优的蒸汽参数来清除积灰,以提高空预器的换热效率,降低运行费用。