基于深度学习和AR技术的风电巡检故障检测方法

针对传统可穿戴AR技术在态势感知任务辅助方面存在的有效支持不足的问题,提出了一种基于深度学习和AR技术辅助的智能故障检测方法。首先,通过可穿戴AR眼镜扫描设备获取图像数据,应用Mask R-CNN算法提取特征并划定建议框。其次,针对这些建议框进行分类,并创建边界框和掩码,经过计算建议框和真实框之间的重叠度判断建议框是否正确,并将结果呈现在AR设备端。最后,利用风电巡检示例测试验证了所提方法的可行性和实用性。

基于长短期记忆神经网络参数辨识的IGBT模块老化判据

铝键合线脱落或者断裂是造成IGBT内部失效的主要原因,由于应用者无法观测到模块内部,从而无法正确认识模块的失效情况,安全措施不及时,导致系统发生更严重故障。研究了考虑杂散参数的多芯片封装高压大功率IGBT模块的工作特性,以某品牌三芯片并联结构IGBT模块的内部封装特性作为研究基础,分析了模块工作状态随栅极电容与寄生电感差异变化关系。重点研究了模块内部芯片间铝键合线的寄生参数,构建了基于长短期记忆神经网络的杂散参数辨识方法,提出了一种可快速精确诊断IGBT内部缺陷与失效率的方案。仿真和实验验证了该方案的正确性。

由锌锰硫酸溶液三相萃取锌锰离子

以P204煤油溶液(油相,O)、PEG10000水溶液(水相1,W1)及锌锰离子的硫酸铵盐溶液(水相2,W2)构建三相萃取体系(O-W1-W2),将其对锌锰离子的萃取效率与传统溶剂萃取[O-W'2(锌锰硫酸溶液)]和双水相萃取(W1-W2)作了比较.结果表明,加入KSCN后,三相体系能有效地一步分离锌锰离子.将SCN-/Zn2+摩尔比由10增大至60,W1相只富集Zn2+,且Zn2+总的萃取率(90%)高于O-W'2(52.8%)和W1-W2(86.2%),O相对Mn2+的萃取率(28%)高于O-W1(10.2%).

4,6-二甲氧基-2-甲硫嘧啶的合成

以硫脲、丙二酸二甲酯和甲醇钠为主要起始原料,经缩合、甲基化、氯化和甲氧基化反应,合成4,6-二甲氧基-2-甲硫嘧啶。与文献相比,具有节省原料,提高收率,简化工艺和易于应用工业生产的优点。以硫脲计,总收率为70.3%。

超高效除草剂双草醚合成研究

研究了以硫脲和丙二酸二乙酯为主要起始原料 ,经缩合、甲基化、氯化、甲氧基化、氧化和缩合反应合成双草醚。在合成溶剂、催化剂、合成和分离方法上均有所改进 ,特别是最后一步缩合反应中用氢氧化钠代替氢化钠 ,宜于工业化生产 ,既有利于安全生产 ,又降低成本。产品含量95 % ,以硫脲计双草醚总收率为 4 1%。

液-液萃取及新型液-液-液三相萃取机理研究进展

根据新型液-液-液三相体系的特点,对传统两相溶剂萃取、双水相萃取机理研究进展进行了综述,提出应用Lewis酸碱理论对两种萃取体系的萃取机理分别进行归类,评述了新型液-液-液三相体系研究进展并对其研究方向进行了展望。

融合振动数据和SCADA数据的风电机组齿轮箱故障预警方法

风电机组齿轮箱将机械能高速传输到发电机中,同时承受重载、制动器的瞬态脉冲和灰尘腐蚀,是风电机组中最易发生故障的部件之一。开发高效、准确的风电机组齿轮箱状态监测和故障识别方法可避免严重的齿轮箱故障,减少其造成的停机损失。提出了一种融合振动数据和SCADA系统数据的风电机组齿轮箱故障预警方法,该方法基于深度自编码器模型和统计过程控制图,首先将有限的振动数据通过小波变换和卷积神经网络转化为向量,和SCADA数据进行拼接,利用所有数据完成自编码器的预训练;随后改变预警模型输入,只接收SCADA数据,完成模型的后调优;然后根据自编码器模型的重建差,利用统计过程控制图预警可能发生的齿轮箱故障。基于真实的风电机组数据,该方法有效甄别潜在齿轮箱故障,并且性能优于对比方法,具有工业应用价值。

加强高校内部保卫工作的措施

如何做好当前高校内部保卫工作,是一个亟待解决的大问题。为维护高校的稳定和正常的教学、科研、生活秩序,保证教学改革的顺利进行,根据1997年国家教委下发的《高校内部保卫工作规定(试行)》的通知精神,结合当前高校实际,就今后如何更好地开展高校内部保卫工作谈几点想法。1 认清形势,端正态度,积极做好高校内部保卫工作1.1 正确认识高校公安机构改革后面临的严峻现实政事分开的原则是国家经济体制和政治体制改革的基本原则。

基于遗传算法的风电机组发电异常检测

作为取之不尽的新能源之一,风机发电技术自提出以来就一直广受关注。风电产业经过过去几十年的迅速发展,其技术热点逐渐从提高风力发电效率转向风电场的运营与维护。预测风机发电情况和检测风机异常状态可以大大提高风机的可靠性和稳定性。为此,提出了一种风机发电功率预测和异常检测的方法,结合遗传算法和机器学习模型对来自中国一个商业风电场的风电机组监管数据控制和数据采集(supervisory control and data acquisition,SCADA)数据进行测试。为了减少人工经验对回归预测的影响,本文提出一种结合粒子群优化算法(particle swarm optimization,PSO)的回归机器学习模型,称为粒子群回归器,并根据风机发电功率和对应风速建立发电功率曲线。之后以回归预测模型的预测结果辅助孤立森林(isolated forest,IF)进行异常时刻的判断。最后通过统计方式给出异常检测的结果。实验结果表明了功率曲线的建立可以更好地揭示风机异常的工作状态,并符合选中风机异常情况的观测状态。

新能源场站智慧运维应用探索

文中在深入分析新能源电站运维管理现状的基础上,介绍了基于大数据、云计算、物联网、5G和人工智能等现代信息技术构建的新能源电站智慧运维管控平台,可以支持现场运维和检修模式由被动变为主动,同时生产过程实现标准化、信息化,极大的提高生产管理效率,降低成本。

某型机组齿轮箱油液监测的典型故障案例分析

大量监测数据表明某型机组齿轮箱明显存在磨损故障频发，本文结合典型案例做了故障分析。该发现对指导某型机组齿轮箱在风电场的运行维护具有重要意义。

某型机组齿轮箱油液监测的典犁故障案例分析

大量监测数据表明某型机组齿轮箱明显存在磨损故障频发，本文结合典型案例做了故障分析。该发现对指导该型机组齿轮箱在风电场的运行维护具有重要意义。

风电机组齿轮油混油实验的研究

风电机组齿轮油更换时，若是两种油品的兼容性差，则原油品的残留会严重影响新换油品的性能．进而损害齿轮箱。本文结合现场实际需要，对不同齿轮油的混油情况做了充分研究。