基于流式计算的暂态电压扰动并行实时监测技术

暂态电压扰动模式识别面临两个挑战,一是局限于单一监测点的扰动识别不能准确解释复杂扰动的完整过程,另一是离线分析很难满足辅助决策实时性的要求。提出基于Storm流式计算框架,结合logstash和Kafka消息中间件,构建面向多监测点的实时数据监测处理平台。采用滑动时间窗口算法,实现Storm编程逻辑拓扑。通过设置基本时间窗口大小和数量,实现面向区域电网的多时空尺度、多业务模型的暂态电压扰动模式识别。实验结果表明,合理设置Storm组件的任务数目能够最大限度发挥并行处理能力。通过仿真数据测试得到的吞吐量和平均处理延迟结果,能够满足电网对流数据实时处理的高吞吐量、可扩展性、实时性和准确性的要求。     

基于USB的TDS电路设计

简要介绍了一套针对太赫兹时域光谱系统(TDS)研制的基于USB通信的电路系统。该电路系统通过给太赫兹发射器提供偏压,控制光学延迟线实现对样品的时域光谱的测量,实现太赫兹探测器数据采集,并通过USB实现数据的上位机传输,最终通过数据处理得到太赫兹的时域信号和频域信号。通过模式识别算法与样品库中的频谱进行比对,识别待测物品成分。测量结果表明,电路系统符合实际需求,太赫兹时域光谱系统的可利用带宽可以达到3 THz,光谱分辨率优于10 GHz,能够很好的满足样品的光谱测量。     

基于核典型相关分析融合的XLPE电缆局部放电模式识别

提出使用核典型相关分析方法提取XLPE电缆接头局部放电信号PRPD图谱特征信息,并使用K最近邻分类算法实现不同绝缘缺陷模式的高准确率识别。利用YJV-26/35 k V型电缆及其附件设计了4种典型绝缘缺陷,使用脉冲电流检测获取局部放电样本信息,绘制了PRPD图谱并应用于样本数据,研究不同特征向量下的识别效果,在适合维数最终获得较高识别正确率。相对于传统电力设备模式识别方法,不但可以有效反映信号非线性特征,并可以将多种特征进行有效融合,消除冗余特征。     

振荡波电压下XLPE电缆局部放电模式识别研究

振荡波电压法因其无损检测特性被广泛应用于局部放电检测中,而目前缺乏对振荡波电压下电缆故障类型的模式识别研究。为此,笔者根据常见的电缆缺陷类型,制作了4种10 kV交联聚乙烯电缆中间接头人工缺陷模型,对4种缺陷模型施加振荡波电压并测量局部放电信号;提出以局部放电信号正负半波统计算子作为模式识别的输入特征量,采用支持向量机分类器对4种典型电缆缺陷进行模式识别;并将识别结果与采用人工神经网络的模式识别结果进行对比,验证了该方法的有效性。结果表明:以局部放电信号正负半波统计算子作为特征量能很好地反映电缆局部放电信息;基于支持向量机的模式识别方法能有效识别出振荡波电压下各种缺陷局部放电模式,比传统的人工神经网络模式识别方法识别率更高、运行速度更快,具有很好的实际应用价值。     

桩墙式挡土结构的变形模式及其识别

基坑挡土结构的侧向变形数据是反映基坑工程安全与环境控制的重要指标之一。由于现场地质条件与施工过程的复杂性,实际发生的挡土结构变形与设计计算结果在变形值大小及分布形态上存在差异。基于工程经验及挡土结构的受力变形原理,总结归纳了挡土结构典型的变形模式及其特征,在此基础上,基于贝叶斯概率准则实现对挡土结构实测变形的整体模式及局部模式识别。依此不仅可判明实际施工工况的变化或可能存在的工程缺陷,同时由于其可以提供非正常变形模式的预警,从而弥补了现行规范中仅以变形大小和速率为预警指标的不足,对于提高信息化施工的准确性和及时性具有重要意义。     

基于模糊模式识别和BP神经网络的工程项目成本预测模型研究

将模糊模式识别与BP神经网络结合起来建立工程项目成本预测模型,首先利用模糊模式识别选取样本工程项目,其次运用BP神经网络进行工程项目成本预测,最后经过算例分析,得出运用模糊模式识别结合BP神经网络建立工程项目成本预测模型是切实可行的。     

不同采收期水冬瓜叶的主成分分析及抗炎镇痛谱效关系研究

为筛选水冬瓜叶抗炎镇痛活性成分,采用高效液相色谱(HPLC)建立不同采收期10批次水冬瓜叶药材指纹图谱,对其进行主成分分析,并基于皮尔逊相关分析法探讨不同采收期水冬瓜叶药材抗炎镇痛的谱效关系。结果显示,不同采收期水冬瓜叶药材HPLC指纹图谱中有17个共有峰,10批次药材的相似度为0.875~0.973。聚类分析将不同采收期水冬瓜叶药材分为3类。主成分分析共得到3个主成分。经皮尔逊相关分析,峰17、峰14、峰12、峰15、峰13、峰5、峰16和峰4可能为水冬瓜叶药材镇痛作用的物质基础,峰6、峰8(异槲皮苷)、峰11、峰7(金丝桃苷)、峰5、峰3、峰4、峰13、峰9和峰1可能为水冬瓜叶药材抗炎作用的物质基础。     

一种应用于光缆外破在线监控的模式识别方案

电力通信网络线路常因沿途的工程机械施工,人为外力破坏等行为造成毫无预警的危害和损坏。为了实现对线路外破隐患高效预警,需要在现有预警定位的基础上,加上对碰撞敲击、管孔侵入、机械施工和开盖报警等行为的识别。将分布式光纤传感技术、梅尔频率倒谱系数和径向基神经网络相结合,提出一种可应用于光缆外破在线监控的模式识别方案。测试的总体识别率达97.78%,现场模拟的事件报警准确率高。该方案可广泛应用于长距离管线检测领域。     

焊缝表面缺陷激光视觉传感HOG-SVM的检测方法

为了实现对焊缝表面缺陷的自动检测与分类,研究一种有效识别焊缝表面缺陷的激光视觉检测方法.通过激光视觉传感器采集焊缝图像并进行预处理,包括图像分割,灰度化,平滑去噪以及焊缝轮廓提取.采用方向梯度直方图(Histogram of Oriented Gradient, HOG)提取焊缝激光条纹轮廓图像的特征向量.其次,基于5折-交叉验证网格搜索方法进行模型参数寻优,最终建立了支持向量机(Support Vector Machine, SVM)智能模型识别与分类焊缝表面缺陷.通过调整焊缝轮廓提取算法、HOG特征维度得到不同特征数据并进行对比、分析焊缝缺陷的识别效果.在相同试验条件下,发现支持向量机比随机森林分类器、K最近邻分类器以及朴素贝叶斯分类器的识别率更高,达到97.86%.基于HOG-SVM的焊缝表面缺陷智能识别方法可有效提高焊缝缺陷(气孔、凹陷、咬边)及无缺陷的分类精度.     

舰船甲板油漆红外指纹图谱的无损鉴别

为实现舰船甲板油漆的快速无损检测和精确识别与分类,利用光谱检测和数据分析,采集并获取酚醛漆型等5类共计50个不同品牌、不同生产厂家的舰船甲板油漆样本的红外指纹原始图谱、一阶导数图谱和二阶导数图谱,选择自动基线校正、峰面积归一化、多元散射校正和Savitzky-Golay 7点平滑图谱,建立基于Bayes判别、K近邻、径向基函数神经网络和多层感知器4种判别模型。结果表明:用二阶导数红外指纹图谱结合Bayes-KNN-RBF-MLP法能为舰船甲板油漆品牌的准确检测提供新的快速无损分析手段,且模型检测精度高,方法具有普适性和一定的借鉴意义。