基于BP神经网络的机采原棉品质指标预测模型

为了对脱籽后的机采原棉品质指标进行预测并实现优化控制,设计了用于机采原棉品质指标预测的BP神经网络模型。以南疆地区机采棉为研究对象,以影响原棉品质的主控因素籽棉回潮率和轧花速度为BP神经网络模型的基本特征量,建立了机采原棉品质指标的BP神经网络预测模型。结果表明:该BP神经网络模型能较好表达机采原棉各品质指标与主控因素之间的非线性关系,预测结果与实测值之间误差小,测试样本的网络输出值与网络目标值的相关系数均接近1,模型预测效果较佳。认为:该BP神经网络模型可作为机采原棉品质预测与调控的新方法,也可应用于机采籽棉轧花在线原棉品质监控。     

预测织物热传递性能上的BP神经网络应用研究

织物的热传递性能是评价服装舒适性的重要指标之一。纤维性质 ,纱线结构与性质 ,以及织物的结构与性质 ,均会影响织物的热传递性能 ,它们之间存在着复杂的非线性关系。主要对神经网络求解织物热传递问题进行了深入研究。利用计算机建立神经网络模型 ,选择最佳网络参数并对网络进行训练。通过应用实例 ,提出了处理实验数据的方法 ;并通过建立大量的BP网络进行比较 ,来提高训练速度和仿真精度 ,筛选出最具应用价值的网络。     

输电线路山火监测预警系统的应用研究

工业生产和人们生活用电量的增加,使得输电线路中的荷载越来越大,当线路的实际荷载超过其最大承载能力时,就会引起山火跳闸事故,导致输电线路无法正常输送电能。山火监测预警系统的研发和应用,能够对输电线路的运行状况进行监测,从而减少山火跳闸事故的发生频率。文章对输电线路山火监测预警系统的原理和结构组成进行分析,并就其相关技术的应用进行探讨。     

自然场景下基于改进LeNet卷积神经网络的苹果图像识别技术

针对传统基于内容的识别方法在特征提取方面存在计算复杂、特征不可迁移等问题,为避免光照条件、重叠及其他遮挡等因素对图像识别的影响,以LeNet卷积神经网络作为基础,对其结构进行改进,设计了一种基于改进LeNet卷积神经网络的苹果目标识别模型,并利用该模型对不同场景的苹果图像进行识别训练与验证。结果表明:该网络模型可有效实现苹果图像的识别,对独立果实、遮挡果实、重叠果实以及相邻果实的识别率分别为96.25%,91.37%,94.91%,89.56%,综合识别率达到93.79%。与其他方法相比,该算法具有较强的抗干扰能力,图像识别速度快、识别率更高。     

输电线路巡线机器人障碍物识别综述

分别从多传感器导航、单帧图像处理、双目视觉和主动学习等几个方面对现有国内外输电线路巡线机器人障碍物识别方法进行了分类比较,总结出输电线路巡线机器人障碍物识别技术的发展方向:利用传感器信息融合技术以提高对障碍物探测的准确性,研究智能化高的障碍物识别算法,设计能自适应各种环境的输电线路巡线机器人障碍物识别方法.     

关于输电线路防山火的几点思考

通过对晋中电网主系统输电线路走向及山林分布情况,统计分析近年容易发生山火的线路运行区段,找出输电线路季节性防山火的规律,采取相应对策,为线路运行维护的预控措施提供依据。     

基于正交设计与BP网络优化人参真空冷冻干燥工艺参数

研究了人参真空冷冻干燥工艺参数对干燥速率的影响规律。运用正交试验方法研究了干燥室压力、物料厚度、加热温度对干燥速率的影响,得到了优化的工艺组合。在此基础上运用BP神经网络对试验数据进行分析处理,建立BP神经网络模型,并通过该模型进行预测和优选,得到最佳的方案,即加热温度为60℃、干燥室压力为80 Pa、物料厚度为5 mm,此时干燥速率为1.46 h-1,与网络预测值1.44 h-1相差1.38%。结果表明,经正交试验数据训练过的BP神经网络,能较好的反应工艺参数与优化指标之间的复杂非线性关系,对指导生产试验与降低经济成本具有一定的意义。     

基于BP神经网络的原棉短纤指数预测模型

为对脱籽后原棉的短纤指数进行预测,采用遗传优化BP神经网络预测法,设计了原棉短纤指数预测的遗传优化BP神经网络模型。以南疆地区原棉为研究对象,选择籽棉回潮率和轧花速度频率2个因素作为BP神经网络模型的输入量,利用遗传算法优化神经网络的权值与阈值,建立原棉短纤指数的遗传BP神经网络预测模型。结果表明,遗传BP神经网络模型能较好地表达原棉短纤指数与主控因素之间的非线性关系,预测结果与实测值之间误差小,测试样本的网络输出值与网络目标值的相关系数达0.999 8,模型预测效果较佳。     

10KV架空输电线路防雷措施探讨

随着经济的快速发展,电网进行了快速的改扩建工程,架空线路一直是电网的重要组成部分之一,其安全性一直是影响电网安全的最大隐患。我国幅员辽阔,地形复杂,因此架空线路所经过的区域很大一部分处于地质条件复杂地带,同时在这些山区丘陵地带外部环境也较为恶劣,所以对架空输电线路的影响和损害很大,在这些损害当中,最为严重且经常引起事故发生的则为雷击事件。由于这些线路所处的自然环境复杂,所以其受到雷击的几率也较大,同时也是导致架空输电线路发生事故的重要因素。本文针对10KV架空输电线路雷电的形成和防雷及防雷的原则进行了具体的分析,并进一步提出了架空线路防雷的具体措施。     

关于输电线路状态巡视的分析研究

电网规模不断扩大,输电线路运行管理矛盾日历突出。传统的巡视模式周期固定,巡视与设备状态无关,对需加强重点巡视的线路,通道隐患较难保证巡视质量,针对性和有效性不强。本文以龙岩电业局输电线路状态巡视开展情况为重点分析,介绍了输电线路状态巡视工作的基本情况、工作经验,对输电线路状态巡视进行研究总结。     

基于小波包与改进神经网络的配电网故障类型识别

目前,学者提出的关于故障类型鉴别的方法主要是关于输电线路的研究,而对于配电网的研究相对很少。传统的方法主要是利用设定阀值进行故障类型识别,此方法虽然简单,但是此处的阀值的确定又是一个难题。因此本文提出一种基于小波包与改进神经网络的配电网故障类型识别方法,利用小波包技术提取故障信号,再将信息转换为能量并进行归一化处理作为改进神经网络的输入特征向量。再利用Matlab搭建模型对文章所提出的方法进行仿真测试。测试结果表明,本文所提出的方法能够快速、准确地识别出故障类型。     

高压输电线路在线监测技术研究

电网运行的稳定可靠、安全高效取决于输电线路的运行状态,而时于高压输电线路而言,其所售影响因素非常多。最为主要的因素便是自然气候因素,因此有效解决自然、气候因素对高压输电线路的影响是当前至关重要的任务。对比,本文通过分析高压输电线路在线监测技术的构成与关系,然后就增容技术、弧垂与张力监测、微气候策略等关键技术进行具体的分析与阐述,并提出一些可供参考的意见与措施。     

基于残差神经网络的烟丝类型识别方法的建立

为快速、准确地识别叶丝、梗丝、膨胀叶丝、再造烟叶丝等烟丝类型,利用各类烟丝图像特征差异,以残差神经网络为基础构建了识别模型,并对模型的预训练权值、优化算法、学习率等超参数进行了研究,结果表明:①基于残差神经网络的识别方法可以有效识别4种类型烟丝,相比基于卷积神经网络的识别方法,模型具有更高的识别率、泛化能力与鲁棒性.②...     

基于模糊算法的输电线路巡视计划自动排程

本文以国家电网公司关于输电线路状态巡视工作出台的一系列标准制度以及铜陵供电公司制定的状态巡视管理办法为基础,结合铜陵电网的实际情况,在输电线路巡视辅助决策系统开发过程中确定线路巡视人力成本与线路安全系数之间的矛盾关系,并通过定义模糊系数和弹性系数实现了对线路巡视必要性的表征,在此基础上利用模糊算法给出了线路巡视的时间安排,并通过开发实际应用系统验证了模型的有效性。     

架空输电线路状态运行与维护管理研究

文章针对架空输电线路状态运行与维护管理概述,并总结其中所存在的问题,包括巡检质量水平相对较低、巡检资源浪费严重、架空输电线路通道存在隐患三个方面,并总结出转换对架空输电线路运行状态维护和管理的模式、提倡建设在线巡视监控平台、实现在线监测工艺技术、加强对基础资料建设工作的重视、加强工作人员的技术管理、线路事故的预防六条建议。     

基于遗传算法的最优输电线路通道处理方法

为在满足输电线路通道的管理成本的条件下,有效对输电线路通道内的树竹选择性地及时清理,保证输电线路安全稳定运行,文章提出一种基于遗传算法的最优输电线路通道处理方法。文章首先结合"树线矛盾"的因素,提出了树线距离风险指标,并根据该指标建立了以所辖线路树线距离风险指标最小为目标,以输电线路通道管理成本为约束条件的最优化模型,然后采用一种二阶段的遗传算法进行优化模型进行求解。最后,文章针对11条输电线路的30个"树线矛盾"点位进行算理分析。计算结果表明,文章提出的方法能在输电线路管理成本内,给出安全通道处理方案,证明了该方法的有效性和实用性。     

基于卷积神经网络的纸病识别算法研究

为提升识别算法对纸病多样性的适应性,提出基于卷积神经网络的纸病识别算法。根据纸病类别多样性且形式复杂的特点,采用MSER分割算法对图像进行预处理,并利用卷积神经网络的逐层学习特性,结合Softmax分类器,建立卷积神经网络模型。对比实验表明,卷积神经网络模型具有更快的收敛速度和更高的检测准确率,验证了该识别模型的有效性。     

输电线路铁塔综合性能提升方案研究

输电线路铁塔是电力输电系统中的重要组成部分,主要承担承载输电线路导线与电缆,支撑和保护输电线路的重要作用。输电线路铁塔的稳定性与可靠性直接关系到输电线路是否能够安全运行,进而影响电力系统供应的稳定性。随着社会经济的发展,社会用电需求总量的增长给电网系统带来更大的运行管理压力。在这一背景下,输电线路建设日益复杂,如果输电线路铁塔性能存在问题,会影响线路的安全运行,致使电网面临用户停电风险。基于此,文章介绍了输电线路铁塔综合性能提升方案的概况,梳理了方案面临的风险和对策,并给出输电线路铁塔综合性能的提升方案,提出了该方案的应用场景和转化场景。     

基于近红外光谱和残差神经网络的异性纤维分类识别

针对传统图像处理方法对棉层中异性纤维检测效果不佳的问题，基于近红外光谱和残差神经网络提出一种对棉层中异性纤维的分类识别方法。采用Savitzky-Golay法对异性纤维的近红外光谱数据进行平滑处理，结合F检验和LightGBM分类算法实现特征波长优选，并将优选后的光谱数据经格拉姆角场转换成保留波长序列之间时序性的格拉姆角和场图像；构建残差深度卷积神经网络模型，将转换后的格拉姆角和场图像作为训练样本对残差网络模型进行训练。实验结果表明，该方法能够有效地对复杂环境下棉层中的异性纤维进行分类，分类准确率达到99.69%,与其它数据转换方式和分类模型相比提高了棉层中异性纤维的分类识别精度，为复杂环境下异性纤维分类识别研究提供了新思路。     

基于RBF神经网络的棉纱条干均匀度预测

讨论了神经网络在纺织领域研究的新进展,简述了RBF神经网络的算法,基于影响棉纤维品质的各个因素与棉纱条干均匀度之间存在的复杂非线性映射关系,建立了棉纱条干均匀度的神经网络模型。结果表明,RBF神经网络算法收敛速度快、收敛性好,适用于棉纱条干均匀度预测。