葛洲坝电厂水轮机调速器的优化与改造

本文叙述了葛洲坝电厂调速器改造前后设备状况，主要介绍了调速器改造后的特点和运行情况，从而说明了调速器改造更新是现代生产管理水平及机组自动化水平不断提高的要求，是科学不断发展和进步的结果。     

深度特征选择网络在雷达信号识别中的应用

在现有的雷达辐射源信号识别研究中,传统人工提取到的特征虽具有较为良好的物理表征,但特征中还存在冗余、噪声特征,而通过深度神经网络虽可以挖掘到对信号更深层次的表达,但其特征存在的“黑箱”难以解释性无法避免.结合人工特征良好的物理表征性和深度学习强大的学习能力,本文提出将一种深度特征选择网络（DFS,Deep Feature Selection）应用到雷达信号识别技术中.DFS通过在深度神经网络的输入层和第一隐藏层之间增添一对一层,获取针对每维特征与分类相关性度量得到的权值,以此权值作为衡量标准,加强敏感特征的输入影响,削弱冗余、噪声特征的输入影响,提高分类准确率.方法先对雷达信号提取复杂度特征、小波脊频级联特征、信息熵特征,合并建立原始特征集,利用DFS进行学习训练,以达到在输入级别实现特征选择的目的.本文已利用上述方法对5类辐射源信号进行仿真实验,识别效果良好,验证了方法有效.     

水轮机调速器的运行与技术改造

葛洲坝电厂２１台机组安装４种型号的调速器，其中２１号机组的调速器是引进的，这几种调速器自１９８１年投运以来都不同程度的存在的一问题，在当时条件下，只进行过一些局部的改进，１９９０年以后，国内调速器的技术水平有限很大的进步，已成功地研制出多种机型，因此，葛洲南电厂对２１台调速器全部进行了改造，改造后的调速器其电所啊采用微机机型或可编程型，机械部分有１４台成功地用步进电机承代取电液转换器。经过运行考验     

铁路视频序列的FOE的估计

在结构化场景的轨道交通中,车载视频观测因相机平移运动而呈现出图像内容以某点为中心向四周扩散的现象,该点被称为FOE (Focus of Expansion)。 当前计算FOE的算法对噪声敏感且计算量大,不能准确地计算铁路场景中的FOE。鉴于此,文中提出一种铁路视频序列的FOE估计方法。该方法首先利用金字塔光流法对检测的Harris角点进行跟踪和粗匹配,并在此基础上利用RANSAC算法进行精确的匹配,求得基础矩阵,然后提取图像中的极线束并计算FOE。实验结果表明,所提算法比Hough 直线求得的FOE误差小,适于实时应用。     

葛洲坝二江电厂水轮机调速器的优化改造

介绍了调速器改造和运行情况,进而说明了调速器改造更新是现代生产管理水平及机组自动化水平不断提高的要求,是科学技术不断发展和进步的结果。