基于红外热成像的LNG接收站关键设施漏冷缺陷智能监测方法

LNG接收站的红外热成像监测具有关键设施体积大、场地情况复杂等特点,对红外热成像的数据清洗、漏冷缺陷识别与定位等提出了更高的要求。运用红外热成像技术对LNG接收站关键设施监测,可以表征设备运行状态与表面温度的对应关系,同时传递LNG接收站关键设施当前的运行信息或故障情况,对LNG场站设施的早期泄漏监测预警具有重要意义。针对红外热成像监测技术在液化天然气(LNG)接收站应用过程中易出现的问题,本文提出融合数据清洗、漏冷缺陷监测及智能识别的LNG接收站关键设施漏冷缺陷智能监测方法。首先建立了基于方向梯度直方图与支持向量机(Histogram of Oriented Gradients,HOG;Support Vector Machine,SVM)相结合的红外热成像监测数据清洗方法,能够准确识别异物闯入镜头视野的视频帧,并标定为异常,减少异常物体对监测过程的干扰,清洗准确率在95%以上。进一步针对LNG接收站关键设施异常数据极少导致异常识别误判和不及时、红外监测易受到周边环境影响的问题,提出了基于卷积神经网络的异常监测方法。经过比对分析,本文提出的方法可以去除边界设置的限制,有效识别人员进入监测画面不同程度的场景,通过学习同类设施的某一设施的异常,从而较为准确的识别出同类设施中另一设施的异常。选取储罐作为研究对象,构建特定的卷积神经网络,通过训练历史数据,进而识别出储罐异常时刻。优势在于在同类设施的不同个体间具有很好的学习性,且识别准确率最高可达99%。

抓好“四个一”做好新生职业生涯规划

为帮助大一新生科学合理地规划大学生活,本文根据目前高校学生就业现状和职业生涯规划实际,提出构建全方位、多层次的新生职业生涯头年规划的模式。新生职业生涯头年规划主要包括在入学第一周帮助新生尽快熟悉专业,把握就业方向,展望就业前景;第一月指导新生尽快完成自我定位,确定奋斗目标,为每位新生建立职业生涯档案;第一学期划分目标人群,整合资源,科学合理规划;第一年充分利用各类资源,提升学生的综合能力,夯实就业基础。