基于LSTM神经网络的发电机绕组散热异常监测系统设计

随着电力能源需求的增加,发电机运转效率提高,增加了绕组散热量和热故障发生概率,影响发电机的正常运转。为此,设计了基于LSTM神经网络的发电机绕组散热异常监测系统。通过构造发电机绕组散热稳态平衡方程,分析发电机绕组散热特性,并结合绕组运行状态参数,构建发电机绕组温度模型。选取适当的绕组温度信号采集设备,实时采集发电机绕组温度信号,对其进行去噪处理,应用LSTM神经网络制定发电机绕组散热异常监测程序,实现了发电机绕组散热异常的检测与预警。实验结果表明,设计系统应用后,绕组温度信号信噪比最大值为97.41 dB,绕组散热异常监测结果与实际监测结果保持一致,证明了设计系统的应用性能良好。

面向控制平台的异常监测系统的设计与实现

由于工业控制系统信息安全问题日趋严峻,国内在工业控制系统信息安全方面的异常监测技术研究仍处于起步阶段,因此,本文以具体的工业控制系统——IAP控制平台作为研究对象,从控制组态监控、操作指令监控、网络通信流量监测等方面设计了异常监测系统,包含了系统的硬件架构设计、软件结构设计,同时,将该系统在IAP控制平台上进行了验证和测试。结果表明,该系统在不影响整个IAP控制平台正常运行的情况下能有效监测工业控制系统中的异常行为及流量。

基于数字孪生技术的电站输出电压智能监测系统设计

为了提升变电站的输出电压异常监测效率,有利于提早采取防护措施,对降低事故的发生具有重要意义。为此,研究设计基于数字孪生的变电站输出电压异常监测系统。通过数字孪生技术构建变电站输出电压监测系统框架;并对电压监控系统上位机、下位机的硬件结构进行设计;根据三维可视化技术对变电站输出电压异常状态进行跟踪,利用数字孪生技术与跟踪微分器完成异常输出电压的识别。实验结果表明,所提方法的变电站输出电压监测实时性高、监控效果好。

起重机械钢丝绳异常状态在线监测方法

起重机械在建筑、军事、码头等行业内均有着较为重要的应用,通过起重机械能够实现重物的起吊运输,在节省人力的同时大幅度提升工作效率。而在起重机械应用过程中最重要的便是需要做好钢丝绳质量的把控,起重机械钢丝绳在不同应用环境下会受到不同程度的磨损,如若不能够及时发现钢丝绳异常现象,将可能会造成严重的影响后果。在计算机技术、智能化技术的推动下,研发的起重机械钢丝绳异常状态监测系统能很好地实现对钢丝绳实时监测,进一步提高起重机械应用的安全性和稳定性。对起重机械钢丝绳异常状态监测要求、监测系统设计构架和功能特点等方面内容,进行具体的研究分析。

2014-2016年红河州预防接种异常反应(AEFI)监测系统结果分析

目的:分析2014-2016年红河州预防接种异常反应(AEFI)监测系统结果。方法:收集2014年至2016年红河州预防接种异常反应(AEFI)监测系统记录的各类疫苗接种情况以及预防接种异常反应发生情况,运用流行病学对其进行分析。结果:2014年至2016年红河州预防接种异常反应(AEFI)监测系统共记录1506例疑似预防接种反应个案,其中有1417例为一般反应,占总数的94.1%,数据具有统计学意义(P<0.O5)。结论:红河州预防接种异常反应(AEFI)监测系统2012年至2016年期间系统运行正常,敏感度高,能准确反馈并记录预防接种异常反应情况。

确保国际收支数据有效利用需做好的几项工作

第一,解除法律规定方面的障碍。省及以下列汇管理部门要加强对有效利用国际收支数据的重要性、必要性和迫切性的充分认识,进一步明确国际收支统计工作职责权限,重新定位当前《国际收支统计申报办法》的保密条款的诸多限制,明确国际收支“保密”条款所要保密的的具体内容只应局限于申报单位申报的“交易对方”等商业机密以及申报个人申报的“金额”、“国别”

Research on Real-time Monitoring of Abnormal Seismic Noise

The noise data in vertical component records of 85 seismic stations in Fujian Province during 2012 is used as the research object in this paper. The noise data is divided into fiveminute segments to calculate the power spectra. The high reference line and low reference line of station are then identified by drawing a probability density function graph( PDF)using the power spectral probability density function. Moreover, according to the anomalies of PDF graphs in 85 seismic stations,the abnormal noise is divided into four categories: dropped packet, low noise, high noise, and median noise anomalies.Afterwards,four selection methods are found by the high or low noise reference line of the stations,and the system of real-time monitoring of seismic noise is formed by combining the four selection methods. Noise records of 85 seismic stations in Fujian Province in July2013 are selected for verification,and the results show that the anomalous noise-recognition system could reach a 90% success rate at most stations and the effect of selection are very good. Therefore,it could be applied to the seismic noise real-time monitoring in stations.