基于检修要素感知的检修方案智能生成模型研究

水电站检修是电力安全生产中不可或缺的一环,现有检修模式是提前确定检修项目以及工期,项目和工期编排,关系着检修质量、成本以及进度等多方面因素,其中检修方案的制定直接决定了检修工作的成效。本课题主要通过收集历年检修数据,建立检修知识库,通过检修需求画像、模糊聚类、寻优算法建立一套检修方案智能生成模型,可根据生产管理系统下达的消缺通知或检修通知,通过智能匹配知识库中关键字,对检修人员、工器具、消耗性材料、防范措施、工期、成本等检修要素寻优,生成检修方案,对完成的检修工作生成检修绩效指标进行后评价,可通过检修数据存储并输出最优流程,不断实现检修流程最优化迭代,有利于智慧检修知识库建立,体现智慧检修决策支持。     

对称极坐标牛顿法潮流的直角坐标解法

为综合利用极坐标牛顿法潮流方程数少、雅可比矩阵J元素少以及直角坐标牛顿法中没有三角函数计算的特点,并克服极坐标牛顿法潮流J阵元素的不对称使其计算速度不理想的情况,提出一种对称极坐标牛顿法潮流的直角坐标解法.主要内容为,建立结构不完全对称的子阵形式的极坐标J阵,通过子阵建立子阵元素间的对应关系;拆分J阵元素的计算,建立子阵元素的部分对称关系;对J阵元素等计算公式进行三角变换,并按"二行+二列"的对称方式计算J阵元素;用四角规则而不是消元计算公式对J阵元素消元;将取倒的对角元素作为规格化因子以减少除法计算.新方法不但可实现J阵元素的部分对称计算,还可大量减少三角函数的运算以及消元过程中的除法运算,且无需计算公式直接完成消元计算.以IEEE-118节点系统为例,新方法生成J阵速度可提高约90％以上,潮流计算速度可提高约30％,并极利于编程.     

基于模糊识别的乳腺超声辅助诊断算法

近年来,乳腺肿块的发病率逐年上升,乳腺癌位居女性癌症发病率的首位。超声检查是筛查和早期鉴别诊断乳腺肿块的主要方法,但是由于超声成像方式及影像本身的模糊性,因此其误诊率一直较高。现有的乳腺超声计算机诊断系统通常只区分肿块的良恶性,难以诊断常见的肿块病变性质,不利于疾病的正规诊疗。本文提出一种基于模糊模式识别的乳腺肿块超声影像的计算机辅助诊断算法,可为临床医生制定诊疗方案提供参考,提高了初步诊断的准确率,能够为相关领域的应用研究提供借鉴。     

基于光谱尺度空间与管道滤波的红外目标检测

为了准确地从复杂干扰背景下检测出真实弱小目标，本文引入视觉显著性，设计了基于快速光谱尺度空间与动态管道滤波的红外目标检测算法。基于真实目标与背景内容之间的整体差异，引入快速光谱尺度空间与阈值分割技术，设计视觉显著性机制，对红外图像完成处理，输出全局显著性映射，以高效过滤干扰背景内容。考虑目标与背景的局部特征差异，构建自适应局部对比度增强机制，对粗检测结果实施处理，获取对应的局部显著性映射，改善视觉显著性区域内目标的对比度。引入高斯差分理论，通过估算每一帧红外图像中的目标像素直径，形成动态管道滤波，充分消除虚警，准确识别出弱小目标。多组实验数据显示：较已有的红外目标检测技术而言，在各种不同的复杂背景干扰下，所提算法呈现出更好的检测能力，拥有更理想的接收机工作特性ROC曲线。     

基于模糊DEMATEL方法的建筑施工安全影响因子分析

近年来,建筑施工安全问题层出不穷。为加强建筑施工安全管理,本文识别了影响施工安全的6个影响因子和产生安全事故的7个因子并对其重要程度进行排序。首先,通过文献分析,结合建筑事故数据的事故因子,提出施工安全管理的发展现状;其次,建立施工安全因子模型,采用模糊DEMATEL法根据建筑行业专家对影响因子的打分情况进行分析,找出各安全因子的特点;最后,在此基础上,结合安全因子分析建筑施工的安全管理的具体内涵,并提出安全施工的办法。     

—种基于特高压工程的图像识别算法研究

阐述提出一种基于特高压工程的图像识别算法，通过对原始图像高斯低通滤波、平滑、亮度拉伸以及增强预处理，降低原始图像噪声，并且使图像亮度增强，探讨选取色调、饱和度以及亮度作为图像特征向量，利用模糊数据自相关函数对特高压工程图像特征进行提取。在此基础上对将图像特征向量映射到图像上，并且对特高压工程图像特征进行匹配，识别到图像中的目标。     

专家模糊控制的氩氧精炼炉口喷溅抑制系统研究

低碳铬铁冶炼过程中由于物料反应不均衡,会导致喷溅的发生,这不仅会导致设备的损坏,严重可能会导致人员的伤亡。为了降低喷溅发生率,根据所采集的不同工况炉口火焰图像进行图像预处理,同时结合专家系统分析,从而抑制喷溅的发生。通过对AOD炉正常工作和三种不正常工作状态的炉口火焰进行检测、预处理、特征提取等技术分析,实现专家系统模糊控制技术,并对不同图像灰度值分别进行氧气、氮气、氧枪高度、泡沫抑制剂的控制,使AOD炉控制在正常冶炼的范围内,从而达到冶炼过程中喷溅抑制的自动控制。     

性能数据驱动的机械产品关键设计参数识别方法

利用运行数据识别产品设计缺陷或薄弱环节是产品开发和更新换代的主要模式,也是保证产品服役性能稳定的重要途径.提出了一种性能数据驱动的产品关键设计参数(薄弱环节)识别方法.首先,利用极限学习机算法划分运行工况,提出了基于核主成分分析和高斯混合模型的多工况性能退化评估方法,消除了工况变化对性能退化评估的影响,得到性能退化严重的关键功能模块;其次,对性能监测数据进行聚类分析,识别出与模块性能退化密切相关的关键性能监测参数;最后,建立了“性能监测参数—性能参数—设计参数”三者之间的关联关系,识别出导致性能严重退化的关键设计参数.以某大吨位履带起重机作业机构为例,验证了方法的有效性.