锂离子电池储能电站的热失控状态检测与安全防控技术研究进展

锂离子电池具有能量密度大、使用寿命长、工作温度范围宽、自放电小等优点,是中国电化学储能电站的主流电池技术。然而,在加热、过充等恶劣工况下,锂离子电池易发生热失控引发火灾甚至爆炸,因此其安全问题已逐渐成为锂离子电池储能电站建设及大规模应用的首要问题。该文系统分析了锂离子储能电池热失控的诱因、电池内部反应过程及外部特征参量的变化规律,重点总结了当前主要的电池热失控状态检测技术、智能诊断算法及储能电站安全防控技术,最后对储能电站热失控状态检测及安全防控技术进行了总结和展望。

基于自编码器的多功能雷达工作状态切换点检测方法

先进多功能雷达可以实现复杂的工作状态调制和灵活的波束调度,为识别不同的雷达工作状态并检测状态之间的切换点带来了巨大的挑战.为此提出了一种对多功能雷达层次化模型中的“符号−脉冲”层中的调制参数级工作状态的种切换点检测方法.所提出算法基于自编码器,并对真实电磁环境中观测非理想的情况进行设计,不仅可以在无监督的情况下准确地检测出工作状态切换点,并且不需要对数据的分布情况进行假设.仿真实验验证了本文提出算法相较于切换点检测算法的有效性和优越性,对于0~20%的脉冲丢失情况相较于对比方法具有更好的性能,在20%脉冲丢失的极端情况下,也可以达到0.7的F_(1)-score.

基于大数据分析的电力设备状态检测技术研究

针对目前广泛使用的基于人工经验或阈值辨别设备状态的方法存在稳定性差、准确率低且未能充分挖掘出海量数据所蕴含信息的问题,文中在深度学习技术的基础上提出了一种改进状态参数识别算法。其利用归一化互相关算法(NCC)来确定检测区域,并从中提取出统计特征,进而提升了分类效率。再通过改进的多层分类感知(MLPNN)神经网络算法,实现对电力设备状态的自动检测与识别。测试结果表明,所提方法对设备平均状态的识别准确度可超过95%。且与传统神经网络算法相比,也具备较强的准确性、便捷性和可实施性,因此有利于提升效率、减轻人工运维工作负担并保障供电可靠性。

飞行学员视觉感知状态检测算法研究

为了解决飞行学员训练中传统状态检测方法的实时性和准确性限制,文中采用基于隐式半马尔可夫模型的视觉感知状态检测方式,从视觉感知角度出发,探索了不同飞行任务下学员视觉注视的变化,并挖掘了他们在不同情境下的注视规则扫描策略。提出的模型成功将隐含状态与时间相关性相结合,实时检测飞行学员的视觉感知状态。研究结果显示,在相同任务情景下,该方法的准确率达到93.55%,比隐马尔可夫模型提升13.55%,检测性能有明显提升。

基于支持向量机的电力系统状态估计多类型数据异常检测

为了解决异常数据严重影响电力系统状态估计性能的问题,提出了一种基于支持向量机(SVM)的电力系统预测辅助状态估计(FASE)多类型数据异常检测方法。首先,针对传统FASE的预测准确率欠佳的问题,提出了基于极限学习机的FASE方法,并利用SVM并基于预测数据、量测数据与估计值,实现了对坏数据、负荷突变和单相接地等多种类型的数据异常检测。其次,针对惩罚因子和核函数参数会影响分类精度的问题,提出采用灰狼算法对SVM参数进行优化,在兼顾计算速度的同时提高了数据异常检测的准确率。最后,在IEEE 33和丹麦DTU 7K 47节点主动配电网系统上进行仿真测试,所提方法在正常工况下提升26.08%与26.76%,计算速度提升46.05%,在数据异常情况下准确率综合提升32.04%与29.27%,结果表明,所提方法具备较强的通用性与实时性,可以有效地检测电力系统中各种类型的数据异常,并提高状态估计的性能。

基于改进融合的大型风力发电机组运行状态检测研究

为解决传统的大型风力发电机设备运行状态检测方法效果不佳的问题,设计了基于多特征融合的大型风力发电机设备运行状态检测方法。通过计算提取出的运行状态数据集的多个数据特征,并计算不同特征的权重值,实现数据的多特征融合,并对其进行特征分类。通过计算运行状态数据的偏离阈值和检测阈值,完成对设备运行状态的检测。实验结果表明,和以往的大型风力发电机设备运行状态检测方法相比,设计的基于多特征融合的大型风力发电机设备运行状态检测方法在实际应用中ROC曲线面积较大,检测效果较好。

光伏组件积尘状态的检测技术综述

光伏电站经过长时间地运行,积尘对光伏组件造成的遮挡侵蚀和温度效应会越来越严重。为避免积尘造成的光伏组件发电效率损失,需要制定有效的清洁方案,因此需要对光伏组件积尘状态进行实时检测或预测。不同的积尘状态会造成不同的遮挡损失,对光伏电站的光伏组件积尘状态检测技术进行了综述与分析,将积尘检测方法分为适用于实验计算的理论公式模型预测、能够实时进行的I-V曲线检测和计算机视觉检测,对3种检测方法在应用上的问题进行了分析,并对光伏组件积尘状态检测技术未来的发展提出了建议。

基于现场总线通信的高压电气设备异常振动状态检测方法

常规方法在检测电气设备异常振动状态时,存在检测耗时较长、检测误差较大、准确率较低的问题。针对这一问题,本研究引入现场总线通信技术,设计了新的高压电气设备异常振动状态检测方法。首先,利用振动传感器实时采集电气设备的振动信号。然后,利用小波变换原理与超高频方法原理,建立高压电气设备超高频信号模型,对振动信号实施去噪处理。最后,基于现场总线通信技术监测高压电气设备局部放电过程中的超高频信号变化,检测电气设备异常振动状态。实验表明:该方法能够在较短的时间内,准确检测出高压电气设备潜在的异常振动隐患,检测准确率达到98%以上,检测效果显著。

基于有限状态机的绝缘子检测机器人越障控制

为提升机器人的越障控制效果,提出基于有限状态机的绝缘子检测机器人越障控制方法。该方法首先对机器人具体结构展开分析,基于分析结果获取机器人控制系统动力学方程;结合有限状态机理论建立机器人越障时的各项参数状态集合,获取机器人越障姿态序列,建立机器人越障控制模型;再根据建立的越障控制目标函数,结合B样条曲线跟踪方法对模型实施求解,获取模型最佳越障路径规划结果,实现绝缘子检测机器人的越障控制。实验结果表明,使用该方法开展机器人越障控制时,控制方法的控制性能高、控制效果好。

基于病害检测与状态评估的桥梁加固技术研究

为评估桥梁病害现状下的结构状态与服役性能,确定实际服役桥梁结构的加固措施与维修方案,采用现场检测与数值模拟、理论计算相结合的方式,研究了既有桥梁的加固维修技术与处治效果。通过对既有桥梁病害的现场检测,得到了桥梁不同结构在服役环境中的梁体偏位、结构开裂、混凝土破损等病害的分布情况。对比数值仿真模拟结果与桥梁的实际偏移情况,进行了桥梁结构的变形分析。依据规范利用理论计算的方式对桥梁墩柱的承载力进行评定,确定了墩柱的实际服役状态。结合病害检测与数值模拟、理论计算结果,评估了桥梁的结构状态,并制定了既有桥梁的加固维修方案。对桥梁处治效果的分析表明,依据病害检测与状态评估结果制定的既有桥梁维护方案具有较高的科学性与合理性。

基于注意力机制的安全帽佩戴状态检测模型

为缓解安全生产视频监控场景下物体尺寸小、背景复杂、遮挡容易导致的安全帽佩戴状态漏检、误检、定位不准等问题,提出1种基于注意力机制的2阶段高精度安全帽佩戴状态检测模型。提出双向多层连接融合的特征金字塔网络,并设计基于编解码的空间注意力机制去除冗余特征,提升小尺寸目标的召回率;采用多尺度卷积提取候选区域多层上下文特征,并利用注意力机制对不同层级、不同尺度的上下文特征进行显式加权,进而提高模型在复杂背景下的鲁棒性;解耦候选区域分类和定位网络,分别引入通道注意力和空间注意力提升模型分类和定位精度。研究结果表明:基于注意力机制的安全帽佩戴状态检测模型整体上优于当前相对主流的高精度检测框架,如YOLOv3、SSD、RetinaNet、Faster R-CNN、TridentNet模型。研究结果可有效缓解安全生产视频监控场景下安全帽佩戴状态的漏检、误检和定位不准等问题。

城轨交通接触网悬挂状态智能检测算法及应用

通过高清成像对接触网悬挂状态进行检测,及时发现零部件松脱卡磨断等缺陷问题并维修,是保障城轨交通接触网系统安全运行的重要手段。采用YOLOV4的最小版本YOLOV4-tiny作为检测算法的基础模型,将原有Dropout层去掉,将上层特征直接经过卷积层后输入到下层卷积层,并加入Mosaic数据增强方式提高算法的泛化性,同时将原有Leaky-Relu函数替换为更加平滑的Mish函数。接触网缺陷定位的流程为:根据改进后的YOLOv4-tiny算法训练得到零部件区域定位模型,用于定位零部件的位置;再根据改进后的YOLOv4-tiny算法训练得到缺陷识别模型,用于判断该零部件是否有缺陷,并给出缺陷的具体位置和缺陷类别。实际应用表明:该算法能准确、快速定位零部件缺陷位置,并给出缺陷类型,总精度达90%以上,大大地降低了检测耗时与成本,并保障了作业人员安全。

铁路道岔状态非接触式综合检测技术研究

针对铁路道岔状态检测人为因素影响较大、检测费时耗力问题,提出一种非接触式道岔工务设备状态综合检测技术。参照TB/T 3147—2020《铁路轨道检查仪》,依托H型四轮式车体架构,将电源等部件模块化对称分布于车体中心两侧以保证车体重心平衡。以旋转编码器、线结构激光传感器、高清相机、惯性测量单元为底层物理终端,融合点云、视觉处理技术,并结合惯性导航算法和卡尔曼滤波器算法,实现道岔几何及结构参数、轮廓、弹条及轨枕状态等项点检测分析。通过试验验证,道岔轨件廓形的检测值与轮廓检测仪测量值的偏差基本控制在±0.2 mm以内,道岔几何及结构参数经过数据融合处理解算,与人工测量值的偏差基本控制在±1 mm以内。该技术可以从根本上将道岔状态检测模式由“人工为主,机具为辅”转变为“设备为主,人工为辅”。

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。

自适应随机森林迁移学习的路面状态检测

为提升少量数据集条件下路面状态检测的准确度和效率,提出基于改进卷积神经网络模型VGG16和自适应随机森林迁移学习的路面图像分类方法 .对改进VGG16模型进行迁移学习,将大数据集训练得到的VGG16网络卷积层、池化层、全连接层进行迁移,采用随机森林分类算法代替VGG16网络的softmax层进行重新学习训练,解决softmax强调特征之间独立性的缺点.此外,改进量子狼群算法的量子旋转门更新策略,将其用于随机森林超参数优化,保证随机森林以最佳的参数进行迁移学习训练,进一步提升模型泛化能力.实验结果表明,在自建以及Kaggle网站提供的图像分类实验中,图像识别精度为98.08%,分类速度也得到显著提升.

LCL-S补偿的IPT系统线圈耦合状态检测方法

为了使感应无线电能传输系统能够自主判断二次侧电能接收线圈与二次侧电能发送线圈之间的耦合距离是否满足正常工作的条件,从而避免可能的过电压或过电流故障,保障系统的安全可靠运行,设计了一种仅通过动态检测一次侧电压幅值来判断一次侧线圈和副边线圈耦合状态的方法,可以有效简化系统的设计,硬件实验结果表明所设计的方案是可行的。

一种轮胎异常状态检测系统

由山东中亚轮胎试验场有限公司申请的专利(公布号CN 117589480A,公布日期2024-02-23)“一种轮胎异常状态检测系统”,属于状态检测技术领域。该检测系统包括基础参数检测模块、磨损分析模块、声源检测模块和异常分析模块。其中,基础参数检测模块对轮胎运行过程中的基础参数进行实时检测,根据参数对应的异常阈值对轮胎进行检测,对出现运行异常的轮胎位置进行记录,获取轮胎第一检测数据;磨损分析模块根据轮胎图像结果对轮胎花纹磨损情况进行处理,并和出厂预设正常花纹情况进行对比,获取轮胎第二检测数据;声源检测模块对轮胎运行中的声音参数进行采集,根据采集数据对轮胎出现的异常声源进行定位,获取轮胎第三检测数据;异常分析模块根据轮胎第一检测数据、第二检测数据、第三检测数据对轮胎进行分析,得到轮胎异常状态。该检测系统能综合分析多方面的检测数据,更加准确地判断轮胎异常状态。

改进YOLOE算法在压板状态检测中的应用

针对当前变电站压板种类多、数量大、小目标易误检,及压板状态检测的速度慢和准确性不高等问题,本文设计实现了一种基于深度学习的压板状态检测系统。以YOLOE检测算法为基础,在其主干网络中融入ECA(Efficient Channel Attention)注意力机制,强化网络的特征提取能力,以提升模型检测的准确度。引入SIoU代替原损失函数,以解决检测精度低和小目标易漏检误检的问题,并且提高模型的训练速度。对比实验结果表明改进后的YOLOE算法在变电站压板检测中上取得了90.3%的平均检测精度、96.9%的召回率以及97.8%的精确率,能够满足变电站运行检测要求。

10 kV智能变电站避雷器持续运行状态检测方法研究

针对避雷器运行状态检测设备精度限制、环境干扰等原因导致的检测不及时、检测效果不佳等问题,设计10kV智能变电站避雷器持续运行状态检测方法。结合奇异谱分析和滑动窗口方法,对10kV智能变电站避雷器泄漏电流作去噪处理。通过傅里叶级数分解去噪后的避雷器泄漏电流和运行电压,得到避雷器的泄漏电流分量。结合泄漏电流分量建立避雷器运行状态检测装置,实现运行状态检测。试验结果表明,所提方法对避雷器运行电流的去噪能力较好;在运行50min后,避雷器的运行电流稳定在26mA;在运行29min后,避雷器的运行电压稳定在60V;电流、电压的检测值与实测值误差较小。该方法的应用可以实现对变电站智能化、自动化的检测和管理,提高变电站运行安全性和稳定性。

锻压机床运行状态检测及故障诊断方法研究

锻压机床作为一种重要的金属加工设备,在工业生产中扮演着关键的角色。由于长时间使用和高强度工作,锻压机床容易出现运行状态异常和故障问题,给生产效率和安全性带来威胁。因此,对锻压机床的运行状态进行检测和故障诊断显得尤为重要。