基于大数据和集中监控技术下的风机状态分析与检修

集中监控技术是实现风电企业"无人值班、少人值守、区域运维合一"的唯一途径。在大数据时代,具有大数据分析能力的集控中心更是电力行业发展的必然趋势。从实时监视、报警中心、经济运行、设备管理、数据分析和统计报表等6个功能需求模块说明了集中监控平台的优势所在,并依据大数据Volume(大量)、Variety(多样)、Velocity(高速)、Value(价值)的4 V特性,完成对风电企业风机状态的分析及检修作业指导。     

一种改进型锂离子电池SOC估算方法

为提高锂离子电池荷电状态(SOC)的估算精度，首先建立锂离子电池的较精确的二阶 RC等效模型，根据模型建立 状态空间方程，其次介绍电池充放电时电压电流采集方法，根据采集的数据，运用扩展卡尔曼滤波算法(EKF)，对锂离子电池的荷电状态进行估算。结果表明，该数据的采集方法具有很高的精度，用扩展卡尔曼滤波算法估算的结果与真实值较为接近，精确度可达4％，对噪声有很强的抑制作用。     

平转法施工桥梁梁端振动状态监测研究

随着铁路立体交叉网格的构建,平转法以自身独特优势在跨越既有线桥梁建设中应用越来越广泛。为了掌握在转体过程中桥梁的振动状态,保证转体安全顺利,文章运用ANSYS分析软件对转体桥梁的动力特性进行计算,根据阵型特点确定合理的传感器布置方案,在转体过程中进行实时数据采集,保证转体处于受力安全状态。结果表明:转体过程进行振动状态监测非常必要,有效测试转动体的振动状态,且具有实时性,为转体指挥和决策提供数据支撑。基于理论分析的监测方案可为类似转体过程提供参考和借鉴。     

基于深度神经网络的表面划痕识别方法

为实现亮度不均的复杂纹理背景下表面划痕的鲁棒、精确、实时识别，提出一种基于深度神经网络的表面划痕识别方法。用于表面划痕识别的深度神经网络由风格迁移网络和聚焦卷积神经网络（CNN）构成，其中风格迁移网络针对亮度不均的复杂背景下的表面划痕进行预处理，风格迁移网络包括前馈转换网络和损失网络，首先通过损失网络提取亮度均匀模板的风格特征和检测图像的知觉特征，对前馈转换网络进行离线训练，获取网络最优参数值，最终使风格迁移网络生成亮度均匀且风格一致的图像，然后，利用所提出的基于聚焦结构的聚焦卷积神经网络对生成图像中的划痕特征进行提取并识别。以光照变化的金属表面为例，进行划痕识别实验，实验结果表明：与需要人工设计特征的传统图像处理方法及传统深度卷积神经网络相比，划痕漏报率低至8.54%，并且收敛速度更快，收敛曲线更加平滑，在不同的深度模型下均可取得较好的检测效果，准确率提升2%左右。风格迁移网络能够保留完整划痕特征的同时有效解决亮度不均的问题，从而提高划痕识别精度；同时聚焦卷积神经网络能够实现对划痕的鲁棒、精确、实时识别，大幅度降低划痕漏报率和误报率。     

行星架轴孔过盈配合面微动磨损研究

针对某行星架轴孔过盈配合面连接处的微动磨损现象,基于Archard理论磨损计算模型,结合有限元技术,提出了适用于行星架轴孔过盈配合面的离散化深度磨损修正计算方法。研究结果表明:非线性变化几何形状表面的离散化误差对过盈面微动磨损问题的有限元计算精度影响较大;过盈面周向上接触状态以粘着区为主,轴向上以混合区为主,微动磨损危险位置出现在行星架轴孔过盈面接触边缘的混合区域;当网格数量为500时,既能保证一定的收敛速度,又能保证计算精度;过盈配合面的磨损以轴向为主,危险位置出现在行星架轴孔内侧的接触边缘,当摩擦因数在0.1～0.3区间时,周向的微动磨损对于接触表面的摩擦因数并不敏感,增大摩擦因数可以改变轴向上的接触状态,从而减小轴孔过盈面的微动磨损。所得结论可为相关研究提供一定的借鉴。     

川北某黑色页岩型铼矿工艺矿物学研究

通过矿相显微镜、扫描电镜、电子探针、X射线能谱元素面分析等多种手段综合研究了川北某黑色页岩型铼矿中铼的赋存状态。样品为黑色页岩,有机碳含量较高。粘土矿物总量为14.6%,黄铁矿含量16.2%,石英含量37.7%。样品具典型的粘土结构,矿物粒度微细。铼有两种赋存状态,一种呈类质同象形式赋存于黄铁矿内,另一种则以分散形式存在。典型黄铁矿测点Re平均含量为0.024%。黄铁矿是Re的重要载体矿物。建议通过浮选分离黄铁矿,从而实现Re的富集。      

非连续采空区矿柱力学分析的数值模拟

为探讨非连续采空区矿柱力学原理，通过FLAC3D数值模拟技术，对下向水平分层进路式胶结充填采矿法开采形成的非连续采空区中矿柱的受力状态进行了分析。研究表明，非连续采空区中矿柱所受的力主要为覆岩的自重应力，水平应力对其影响不大；随着埋深的增加矿柱承受的垂直方向的力近似呈直线增加；随着非连续采空区跨度的增加（进路数量增加），非连续采空区受垂直方向的应力逐渐由围岩两侧向矿柱中间过渡。