基于表面灰度和纹理识别的TDS智能干选机刮板机异常状态检测方法

TDS智能干选机是选煤厂的主要生产设备,刮板机作为其关键组件,常因跳链、断链等故障阻碍机器的工作进度。针对刮板机故障的强偶发性与故障扩大化效应,以机器视觉为技术,以表面灰度和纹理识别为手段,提出TDS智能干选机刮板机异常状态检测方法。根据图像灰度值,利用基于改进生长准则的区域生长法,生成粗略的异常状态检测目标区域。采用形态学的腐蚀、膨胀、开运算和闭运算操作,处理区域生长后的图像和新产生的导线图像。引入canny算子识别检测区域中的目标纹理,生成目标轮廓线。结合轮廓线和直线斜率、灰度、纹理、虚拟边框与机链轮廓的位置关系等信息,实现异常状态检测。实验结果表明,该方法对跳链、断链、漂链、掉链、跑偏5种刮板机异常状态检测的真阳性指数分别高达0.98,0.98,0.98,0.97,0.94,且实际量与检测量的误差均不足1 mm。该方法具有较高的正确检测比例和检测精准度,可指导TDS智能干选机刮板机的安全运行。

轨道几何状态检测异常数据实时智能识别

受外界干扰、数据传输、传感器信号偏移等因素影响,轨道几何状态检测数据会产生异常峰值超限,影响现场检测人员工作效率。考虑到异常数据样本较少的不利因素,本文基于轨道几何检测系统传感器正常数据,通过消除数据趋势项,提取时序数据多维特征组成训练集,训练并构建了基于单分类支持向量机的异常数据智能识别模型。运用该模型对某地铁轨道几何检测系统单边位移的时序数据进行预处理、特征提取和智能分类,试验验证了其识别效果。结果表明:该方法识别效果好,误报率低,异常数据识别准确率高,且具有轻量化、易部署的特点,可满足轨道几何检测系统实时检测要求。

精密机械状态异常智能检测算法

精密机械一旦发生故障,就会造成巨大的经济损失。为避免设备损坏,设计一种精密机械状态异常智能检测算法。对设备异常特征进行提取,获取故障调制函数,通过正交基建立信号模型,通过小波函数将振源信号转化为频谱信号。设计设备异常检测算法,通过多次迭代,筛选所有设备类型,并得到检测结果。实验数据显示,该模型可以在第400次迭代时达到目标精度。在滚动体故障、内圈故障以及外圈故障三种故障类型中,该算法的检测率均能够达到99%以上,误报警率均为1%以下,且标准差也均在0.20以内,可见该状态异常检测算法的精度较高,检测效果较好。

基于改进FasterRCNN的配网架空线路异常状态检测

随着无人机巡线技术的不断发展,现已广泛运用在输电线路运维工作中,但仍需由人工判断线路异常状态类型,检测准确率极易受环境影响,现有智能检测技术检测速度慢、检测手段单一。针对提高异常状态智能检测效率问题,提出基于融合FPN结构的FasterRCNN深度学习在线异常状态检测系统。首先采用ResNet50卷积神经网络对原图逐层进行特征提取,得到最高层特征图;再对该特征图使用反池化法进行上采样得到多张低特征图,并将原各层特征图与新各层特征图对应融合;最后将融合后的全部特征图输入RPN层进行二分类与边框回归,经过ROIpooling层后得到异常点检测结果。经过对配网设备及异常状态检测数据集的检测验证,所提出的网络结构对比原FasterRCNN网络,不仅具有更高的识别正确率,且可以有效识别变压器等小目标物体。

多旋翼无人机的架空输电线路状态检测系统设计研究

基于多旋翼无人机设计的架空输电线路状态检测系统,能增加检测结果的可靠性与时效性,缩减检测成本,助力架空输电线路保持稳定运行状态。文章立足系统设计原理与优势,通过规划和控制航线路径、模拟仿真工况场景分析、精准采集航迹点数据、图像预处理和特征提取、出具故障诊断模块报告等方法,优化系统性能,实现精准排障。

基于CNN-BiLSTM-BOWA的智能电表异常状态检测方法

针对复杂异构电力设备环境下频繁出现的异常行为及传统智能电表异常状态检测方法准确率低、误报率高等问题,本文提出将卷积神经网络和双向长短期记忆网络相结合的改进模型,通过对真实用电数据进行仿真试验,本文从预测准确率与误差等方面展开分析,验证提出的模型在智能电表状态检测中具有明显的优势。

基于改进FasterRCNN的配网架空线路异常状态检测

为解决人工判断无人机巡线结果准确率低、耗时长且易受环境影响等问题。本文采用基于图像特征处理与融合FPN结构的FasterRCNN深度神经网络模型,以提高架空线路无人机异常状态检测效率。具体做法是,首先使用ResNet50卷积神经网络对原图逐层进行特征提取,得到最高层特征图;再对该特征图使用反池化法进行上采样得到多张低特征图,并将原各层特征图与新各层特征图对应融合;最后将融合后的全部特征图输入RPN层进行二分类与边框回归,经过ROIpooling层后得到异常点检测结果。经数据集验证,本文所提出的网络结构对电杆、开关、变压器、绝缘子损坏、杆塔倾斜和断线的AP值分别为0.97、0.88、0.86、0.89、0.94和0.93,所有目标的mAP值为0.91。对比FasterRCNN网络及现有检测手段,不仅具有更高的识别准确率,更快的检测速度,且可以有效识别变压器等小目标物体。

智能电网大数据流式处理方法与状态监测异常检测

针对智能电网大数据流的实时性、易失性、无序性等特点,提出智能电网大数据的实时流处理框架,实现数据收集、数据缓冲与流式计算,满足状态监测异常检测与用电数据分析等快速处理需要。通过采集系统节点监听数据源变化并实时收集数据,利用消息订阅模式对数据进行缓冲,解决数据采集与流式计算速度不一致的问题。提出一种基于Storm的状态监测数据流滑动窗口处理方法,在规定时间内分批处理状态监测数据流,保证数据的连续计算,通过阈值判断进行异常检测。实验结果表明,在集群规模一定的条件下,适当地改变工作进程数以及执行器线程的并发数设置,可以增大滑动窗口的元件吞吐量,提高状态监测异常检测的实时处理效率。

列车运行及货车装载状态智能化检测技术优化

该技术优化用于解决目前车站接/发列车作业和货检作业依靠人工全程盯控和主观判定的传统作业方式,存在的“拿不准”“强度高”“效率低”等问题。通过有效整合检测点采集数据,综合运用图像智能识别、语音识别、热成像、机器学习算法及系统集成等技术,同时对列车运行状态及货车装载状态进行多方位、多角度、多类型的智能检测,实现对列车各项异常状态的自动识别、标注及语音报警。对全面提升接/发列车作业和货检作业的质量和效率,以及保障铁路安全运输具有极其重要的意义。

架空线路运行状态的智能记录

本文针对架空线路在巡视、监控和管理方面所存在的问题设计了一线路智能记录装置。文章介绍了该装置的结构特点,阐明了各部件的工作原理及设计思路,同时分析了应用中的功耗,说明装置具备应用价值。

基于多旋翼无人机的架空输电线路状态检测系统设计

为了提高架空输电线路状态检测精度并缩短耗时,提出基于多旋翼无人机的架空输电线路状态检测方法;通过智能终端实现飞行检测指令的下达、状态数据的采集与传输;在检测航行时,基于RTK载波相位差分方法,精准定位无人机位置和检测航线,并通过道格拉斯-普克算法,去除冗余航迹点;通过搭载的各类数据采集装置,采集线路状态图像数据后,传送至线路状态检测分析模块;对采集图像进行灰度化预处理与特征提取,在分析模块中利用小波变换算法,确定故障位置,完成架空输电线路状态检测;测试结果显示:该方法能够对无人机的航线实行精准控制,保证最佳的检测效果,定位误差结果均在2.5 cm以内,最小误差结果为0.46 cm;并可有效删除冗余航迹点,按照无人机的检测结果,生成架空输电线路的检测报告;能够提高多项线路故障状态的检测精度并缩短检测耗时。因此,说明所提出的检测方法性能得到了提升,可以提高架空输电线路状态检测的可靠性。

基于不停电检测的架空输电线路状态检修优化对策研究

架空输电线路作为电力系统运行的重要组成部分,对于确保电力系统运行的安全、稳定具有十分重要的意义.通过对停电项目实现优化,对架空线路输电线路采用不停电检测技术,一方面可以发现更多的缺陷,另一方面也降低了停电率,因此进一步加强对其的研究非常有必要.基于此本文分析了基于不停电检测的架空输电线路状态检修优化对策.

基于异常检测的输电线路山火检测方法研究

输电线路往往建设在山林、野外等人烟稀少的地区,若该区域附近发生山火,将严重威胁社会经济和人民的安全。早期山火多以烟雾的形式呈现,通常使用固定摄像头对其进行实时监控。在分析固定摄像头拍摄画面特点的基础上,提出了基于网格划分的图像特征提取方法,并采用高斯滤波对特征进一步处理,通过异常检测的方法检测监控视频差值矩阵中的异常点,最后将着火点标注显示。实验结果表明,相比于有监督的经典机器学习方法,基于异常检测的方法不需提前训练,只依靠固定摄像头拍摄的上下文信息优势,就能够准确地检测出极小的烟雾,解决早期山火图像样本不足且正负样本不均衡的问题,且该算法结构简单,适用于嵌入式摄像头完成前端智能分析,达到实时监测目的。

堆垛机异常状态检测与自恢复能力的研究

讨论了巷道堆垛起重机在运行过程中常见异常状态的检测、分析与处理 ,提出了异常状态分级的概念 ,并着重说明在异常状态发生后如何进行智能化处理 ,使堆垛机自动恢复正常状态。结合实际应用 。

智能变电站中几种CT异常状态及保护装置的处理

本文针对智能变电站目前所采用的电子式互感器,通过分析其在日常应用中各个环节可能出现的问题,分析线路保护、母差保护、主变保护、对各种保护的CT异常状态的处理机制。进而得出电子式互感器在未来的发展方向并做了深入的思考,结论具有一定的参考价值,对同行今后的工作能起到部分的启发作用。

基于北斗定位技术的输电线路舞动监测方法研究

文章针对电力输电线路舞动监测的需求,提出一种基于北斗定位技术的舞动监测方法,搭建基于北斗定位技术的输电线路舞动检测系统架构,设计相应的硬件模块,并研究舞动检测算法。随后,利用RTKLIB仿真工具生成模拟的卫星定位数据,并通过舞动监测算法进行测试与验证。实验结果表明,该舞动监测方法具有较高的准确率和召回率,能够有效识别输电线路的舞动情况,为电力系统的安全运行提供可靠的技术支持。

探究配电线路状态检测与维护技术

2008年年初,中国南方大部分地区罕见的自然灾害（强降温持续雨雪冰冻灾害）影响人们日常生活的同时还带来了严重事故。中国南方大部分地区输、配电线路严重覆冰,在强劲风速下引起大量的线路舞动,造成大量的杆塔连接处螺栓松脱、构件疲劳失效等事故,甚至严重到倒塔、断线和电力设施极度受损。惨重的事故告诉我们：输、配电线路的突发事故成为威胁架空线路安全和发展、运行的主要因素。

关于架空输电线路跳闸故障智能诊断的研究

随着我国电力规模的逐渐扩大,其发展矛盾也愈加凸显。大范围输电下会出现线路不稳定、电力信号干扰频发、故障检测时效等情况。所以,本文针对架空输电线路跳闸故障,对智能检测的手段进行研究。

铁路货车装载状态图像智能识别系统

货车装载状态高清视频监控系统每日产生的图像数量众多,目前完全依靠人工识别异常状态,工作量巨大且效率低下。采集货车装载状态图像进行人工分类和定义后,输入深度学习模块进行学习,得到正常及异常状态模式识别算法。基于此算法开发的铁路货车装载状态图像智能识别系统可替代大部分人工查看的工作量,明显提高效率,进一步保证安全。

智能轨道检测仪的研制

正为适应高速铁路时代的线路精检细修,需配备与之相匹配的检测技术与设备。目前,就轨道几何状态检测而言,动态检查主要依靠综合检测车、Ⅴ型轨道检查车,静态检测沿用量取相对偏差值的方法,量值精度难以与线路"速密重"要求匹配。如何适应高速铁路和既有提速线路的"养检修"问题,创新轨道全几何参数精密检测技术及装备,研制出基于三维精密控制网的智能轨道检测系统。