基于MaskR-CNN的燃煤电厂多源异构数据的设备异常智能识别算法研究与应用

针对燃煤电厂设备跑冒滴漏监测中存在的问题,提出一种基于Mask R-CNN模型的多传感器多源异构数据智能识别方法。该方法能够集成图像、声音、温湿度等多源异构数据,构建端到端的Mask R-CNN网络模型,实现对典型跑冒滴漏状态的精确识别与定位。具体来说,图像数据经卷积神经网络提取空间语义特征图,声音信号经过递归神经网络学习时频特征,温湿度数据输入全连接网络编码为特征向量。然后,不同模态的特征图在ROI Align层进行空间对齐,统一变形到相同尺度,并进行求和融合,得到融合的多模态特征图。接下来,区域提议网络生成不同尺度的候选检测框。最后,网络后半部分对每个候选框进行特征提取、分类和精确语义分割,输出每个检测框的类别、坐标、置信度和像素级实例分割掩码结果。实验结果表明,本方法相较单一视觉模型方法在各个类别的AP、IOU和F1上均有接近10%左右的上涨,达到了更高的识别效果。

基于注意力机制的脱硝入口NOx浓度预测方法

基于深度学习算法的优势,本文提出一种基于注意力机制(Attention)的脱硝系统入口NOx浓度预测方法,通过对脱硝系统运行的历史数据,对对象输出和输入构建线性或者非线性关系来得到预测模型。采用Attention提取局部特征,将全局和局部特征融合,深度挖掘多维时序变量数据的特征信息,从而实现脱硝系统入口NOx浓度的预测。

用于电站锅炉集箱检测及清理的管道机器人技术方法研究

电站锅炉集箱是电站设备中最重要的部分之一,在电站的运转过程中因长期使用,其管道内会逐渐积累金属碎屑和尘土等杂质,严重影响电站设备的正常运转,甚至发生管道损坏泄漏等事故。而锅炉集箱管道的清理工作十分复杂,一般的人工清理很难实现实际效果,因此,管道检测清理机器人技术应运而生。管道机器人能够实现在管道内的灵活移动,并对管道内部结构进行检测清理,为工作人员带来了许多便利。本文对管道机器人进行了详尽分析,具体介绍了当前电站锅炉集箱在使用中存在的问题,希望为今后的技术研发提供参考。

基于DSP的锅炉焊缝自动清理机器人的控制方法及设计

很多产业的发展与生产期间需要使用较多的特种设备,在使用这些设备的过程中,若是操作措施不当或者管理维护方案有误,将导致特种设备出现质量和安全问题。圆柱形压力容器和大型球形压力容器设备是最具代表性的特种设备,为保证这些特种设备不会出现任何安全隐患,要求组织专业技术人员对其展开检测。文章以DSP主控芯片作为硬件支持,设计锅炉焊缝自动清理机器人控制方法,以达到提高锅炉焊缝清理能力的目的。

论反渗透技术在电厂水处理的应用分析

针对电厂化学水处理中反渗透膜应用问题,采取实例分析的方法展开具体的论述,提出反渗透膜应用效果控制的策略,共享给相关人员参考借鉴。经水处理实践检验,坚持科学化管理思路,积极引入现代化技术手段,围绕水处理全过程做好严格的把控,对保障电厂安全运行管理目标的实现,能够起到积极的作用,具有参考借鉴的价值。