200A便携式可调电流源装置的研制及应用

介绍了200A大容量便携式可调电流源装置的原理、构造和使用方法,以及在机车故障检测中使用的效果。该仪器携带方便,使用机车上DC110V电源,提供5～200A可调稳定的直流电流,能在机车上完成自动保护开关性能测试等5项功能。     

便携式轮轨润滑装置检测仪的研制

针对华宝 HB-2型轮轨润滑装置无便携式检测设备只能采用地面试验台检测的情况,开发研制了便携式检测仪,可在车上完成对轮轨润滑装置的检测与试验。     

岗南水库大坝安全监测系统的应用

主要介绍了大坝安全监测系统在岗南水库中的应用,为大坝安全监测系统提供一个工程借鉴,阐述了大坝安全信息管理系统、DAU2000监测单元箱的特点及双路供电系统的实现方法。通过介绍系统的结构框架及网络构成,说明了系统在提高水库的科学管理水平、大坝的安全运行中所起到的作用,具有一定工程有效性。     

光电建筑太阳能发电监测装置应用效果分析

为提高光电建筑一体化项目的稳定性,提高发电效率,本文提出了一套光电建筑太阳能发电监测装置,对监测装置框架组成和重点设备提出技术要求,并将本装置应用在北京某项目中,分析了全年太阳能光伏发电系统的运行数据,找出发电效率影响因子,为后期运行维护提出数据参考。     

大坝监测数据异常值的概率识别法

及时捕捉异常测值并分析产生异常值的原因是大坝安全监测评价的关键问题。将监测效应量和环境量看作随机序列，通过检验监测效应量与环境量的概率分布，用小概率识别法，在给定概率水平下确定监测效应量的异常值，由此实现了对监测数据异常值成因的初步识别。     

大坝安全监测数据误差检测的MSDF方法

应用大坝中的传感器（测点）在信息上存在的相互印证关系，进行多传感器信息融合分析。给出了在大坝安全监控专家系统中集成多支传感器的信息进行系统误差识别和监测故障判别的原理和步骤，从而及时检出存在误差的监测值并揭示误差原因。为大坝安全自动监控提供可靠依据。     

云模型在大坝安全监控指标拟定中的应用

针对传统大坝安全监控指标的拟定方法具有一定局限性的问题,在分析原始监测数据的基础上,通过正、逆向云发生器产生监测数据的期望、熵、超熵等数字特征,利用这些数字特征计算定量的转换值,从而实现定量—定性—定量的转换,进而确定安全监控指标,以某混凝土重力坝为例,运用云模型拟定了该坝#9坝段坝顶水平位移安全监控指标,并与典型小概率法的拟定结果进行了对比分析,验证了云模型的优越性。     

基于SSM框架的大坝监测数据管理系统设计

针对目前大坝安全监测存在数据不能实时计算分析、展示,长期运行产生的大量数据主要靠人工整编且易出错等问题,结合现代信息化技术手段,以Java作为服务开发语言,设计了基于Spring+SpringMVC+Mybatis(SSM)框架的大坝安全监测数据管理平台,用于大坝监测数据的管理和分析,实现数据采集、存储、查询、计算分析、绘图、生成报表报告、实时监控及远程展示等功能,同时亦为监测仪器管理提供了可视化界面,方便仪器管理。结果表明,基于SSM框架的大坝安全监测数据管理系统实时反馈效果好,操作便捷,数据存取性能好、可视化程度高,便于大坝监测数据的管理与实时分析,为大坝安全运行与决策提供支撑。     

多层分布式数据库在大坝安全监测系统中的应用

简要分析了大坝安全监控系统发展的新动向;对比了两层C／S结构与多层分布式数据库结构;并重点研究了多层分布式数据库结构的大坝安全监测系统的特点;最后探讨了Delphi软件开发工具在开发此结构的大坝安全监测系统中的应用。     

基于模糊数学的大坝安全监测数据处理方法

由于大坝安全监测中各监测量之间的关系存在模糊性,为了对大坝工作状态做出更准确的评价,采用模糊数学对大坝监测数据进行处理,建立隶属函数得到模糊矩阵,将原始数据处理后进行模糊变换,依据最大隶属原则与评价集合进行对比,并将处理过程用Matlab编程实现了数据处理的自动化,并将其应用于某混凝土双曲拱坝中。结果表明,该方法切实可行,与实际工程相符合。     

M估计法在大坝安全监测中的应用

针对传统统计模型无法抵御异常值影响、鲁棒性较差的问题,引入稳健回归中经典的M估计法,基于李家峡水电站监测资料建立了大坝径向位移M估计模型,对监测数据进行拟合及预报,并与传统回归统计模型做了比较。结果表明,该方法有效降低异常值影响、稳健性较好。     

基于原型观测资料的模糊积分重力坝风险综合评价模型及应用

针对重力坝风险评价中复杂性和模糊性的特点,通过对重力坝风险特点的分析和对风险因子的有效识别,将重力坝原观监测资料和模糊数学理论应用于重力坝风险评价中,提出了重力坝风险评价指标体系、定量和定性指标的相关计算方法和分级标准,构建了重力坝风险综合评价模型。利用该模型评价了官地重力坝的风险状况,得出其运行风险较低的结论,符合事实,验证了该模型的可操作性和合理性。     

PSO-RBF在大坝变形监测中的应用

针对传统径向基神经网络(RBF)在大坝安全监测应用中易陷入局部最优及预测精度不高的问题,引入粒子群算法(PSO),对输入的大坝安全监测数据进行初步的聚类处理,找出初步聚类中心后令其为PSO的初值,根据运算法则更新初值以寻求适合训练数据的最优基函数中心。以小湾大坝为例,应用Matlab仿真模拟计算了大坝变形量,结果表明PSO-RBF与传统RBF的拟合效果都很好,PSO-RBF预测准确度更高。     

大坝监测数据异常值识别方法探讨

基于时间序列的监测数据,通过对异常值传统概率识别方法的改进及对监测数据的处理分析,并以晒北滩水电站碾压混凝土重力坝齿槽裂缝监测数据为例进行了探讨。算例结果表明,该法对大坝监测数据异常值的识别效率高,行之有效。