ZigBee无线网络技术的应用

详细分析了ZigBee技术、IEEE 802.15.4标准及相关应用,讨论了它们的关系和相对其他技术的特点,并对其应用前景进行了分析和展望.还介绍了ZigBee技术结合GPRS技术在工业监测领域中的应用方案.     

基于SIS平台的机组优化问题分析

厂级监控信息系统（SIS）建设已逐步成为电厂信息化建设的重点项目。要使SIS的应用能真正提高火电厂安全、经济水平，关键取决于在SIS数据平台上进行的二次开发程度，特别是运行优化技术水平的高低。因此，需要认真研究基于SIS平台的优化技术，注重应用效果。文章讨论分析了基于SIS平台的锅炉燃烧、吹灰系统、循环水系统及回热系统的优化问题。     

火电厂主汽温控制系统的自抗扰控制仿真研究

针对主汽温控制系统的特点,应用先进的自抗扰控制技术(ADRC),提出了主汽温控制系统的ADRC-PI与ADRC-ADRC两种控制方案,内回路采用PI或ADRC控制,外回路采用ADRC控制。仿真试验结果表明,相对于常规的PI-PI控制方案,ADRC-PI与ADRC-ADRC两种控制方案具有更好的控制品质和强鲁棒性,不仅可以有效地克服干扰,而且在对象特性参数变化较大时仍能获得稳定的控制品质。其中,ADRC-ADRC的控制品质要比ADRC-PI更好些。     

神经网络预测控制算法及其应用

针对电站中具有大惯性和变参数等特性的主汽温系统，提出了一种神经网络预测控制算法。该方法是用神经网络来实现预测控制算法中的模型预测和优化计算。将这种算法用于主汽温控制的仿真研究表明，该控制方案表现出良好的控制品质并能适应被控对象参数的变化，具有较强的鲁棒性和自适应能力。它明显优于传统的PID控制。     

人工神经网络在铁路系统中的应用与展望

人工神经网络(ANN)模拟人脑的思维方式,以其很强的自适应性和学习能力、非线性映射能力受到工业各个部门的青睐,而作为国家经济动脉的铁路部门,急需引进人工神经网络来解决自身存在的大量非线性问题,以促进铁路的自动化进程.简述了人工神经网络的特点和实现方法,介绍了现阶段ANN在铁路站前系统、站后系统中的研究和应用情况,特别是铁路系统中故障诊断方面的情况,认为ANN在铁路系统中有着较高的使用价值和广泛的应用前景.     

专家PID控制在主汽温控制系统中的应用

火电厂主汽温控制系统具有大惯性、大迟延和时变等特性 ,其控制水平的高低直接影响到锅炉的热效率和过热器管道、汽轮机等设备的安全运行 ,将主汽温串级广义被控对象拟合为一阶加纯滞后模型结构后采用将专家控制原理与常规PID控制相结合构成专家PID控制策略。仿真研究表明 ,该方法的控制效果优于常规的PID控制 ,能适应对象参数的变化并表现出良好的控制品质 ,具有较强的鲁棒性和自适应能力     

基于改进 YOLO v5 的电厂管道油液泄漏检测

针对电厂油库、化水车间等关键区域油液管道时常发生泄漏问题,本文提出了一种基于改进 YOLO v5 的电厂关键区域 管道油液泄漏检测方法,通过融入 CBAM 注意力机制模块,加强对管道油液泄漏区域图像的特征学习与特征提取,同时弱化复 杂背景对检测结果的影响;在此基础上运用了双向特征金字塔网络进行多尺度特征融合,减少冗余计算,同时提升算法对小目 标的检测能力;最后采用 Focal EIoU Loss 作为损失函数,使回归过程更加专注于高质量锚框,加快收敛速度,提高模型的回归精 度和鲁棒性。 实验结果表明,本文所提出的改进算法在真实样本中表现良好,平均准确率达 79. 6%,较原 YOLO v5s 目标检测 算法提高了 38. 4%,在电厂复杂背景下的误报率和漏报率明显下降,可有效应用于实际生产环境中。     

一种关于Agent的模糊认知逻辑

由于经典逻辑不能表示模糊事实,而且Agent也不能利用经典逻辑的方法从模糊事实里获取知识,为了克服经典逻辑方面的不足,提出了一种关于Agent的模糊认知逻辑.首先,介绍了模糊认知逻辑和规则,该方法用数字来表示模糊事实,用模糊逻辑来获取知识.其次,引入了一种反向推理逻辑,利用该方法研究了条件和结论的相关性.最后,主要介绍Agent采用模糊认知逻辑获取知识的过程.     

基于嵌入式ARM的Modbus/TCP协议的研究与实现

Modbus/TCP工业以太网是运行在TCP/IP协议栈上的Modbus报文传输协议.分析了Modbus/TCP的协议构成及其体系结构,在嵌入式ARM7和嵌入式实时操作系统μC/OS-II平台上实现了Modbus/TCP协议的客户端和服务器端应用程序,并进行了相关测试.方案能有效实现工业现场的数据采集、处理和Modbus/TCP通信功能.     

基于改进PSO优化PNN网络的变压器故障诊断方法

根据变压器产生故障时特征气体和故障类型的非线性关系,结合油中溶解气体分析方法,采用了基于改进粒子群-概率神经网络(PNN)的故障诊断方法.针对PNN网络平滑因子按照经验选取的不足,以及使用粒子群优化(PSO)该参数时搜索精度低、容易早熟收敛等缺点,改进粒子群引入遗传算法的变异操作,并在迭代中对惯性权重动态调整和加速因子的线性变化,并用于训练PNN神经网络平滑因子集合;然后将改进PSO-PNN神经网络应用于变压器故障诊断中,通过诊断测试验证了该方法的有效性.