变电站综合自动化系统的安全措施

分析变电站综合自动化系统中测控装置和监控装置分别在出现故障情况下所需要采取的必要的安全措施,以保证综合自动化系统的正常运行。     

企业内部信息系统的故障监控研究与应用

针对大型企业内部网络中信息系统的故障监控缺乏有效手段的问题,从Web网页、应用服务器、数据库服务器、服务器网络硬件、C/S系统等多个角度入手进行研究,提出一个对内网信息系统进行实时监控的故障监控系统,并详述了它的工作流程和实现细节。目前实现的系统通过试用效果良好,方案亦被证明是行之有效的,并可在相近环境中推广应用。     

基于Windows内核进程监控机制的研究与实现

互联网技术的不断发展对信息系统的安全提出了更高的要求,需要对系统提供更多方面的防护机制,而系统进程则是其中防范的一个方面。本文在Windows内核驱动程序理解的基础上,对系统进程监控技术进行了深入研究,采用事件触发的机制和技术,实现了对系统进程实时可靠的监控。     

A real-time vehicle detection and a novel vehicle tracking systems for estimating and monitoring traffic flow on highways

Real-time highway traffic monitoring systems play a vital role in road traffic management, planning, and preventing frequent traffic jams, traffic rule violations, and fatal road accidents. These systems rely entirely on online traffic flow info estimated from time-dependent vehicle trajectories. Vehicle trajectories are extracted from vehicle detection and tracking data obtained by processing road-side camera images. General-purpose object detectors including Yolo, SSD, EfficientNet have been utilized extensively for real-time object detection task, but, in principle, Yolo is preferred because it provides a high frame per second (FPS) performance and robust object localization functionality. However, this algorithm’s average vehicle classification accuracy is below 57%, which is insufficient for traffic flow monitoring. This study proposes improving the vehicle classification accuracy of Yolo, and developing a novel bounding box (Bbox)-based vehicle tracking algorithm. For this purpose, a new vehicle dataset is prepared by annotating 7216 images with 123831 object patterns collected from highway videos. Nine machine learning-based classifiers and a CNN-based classifier were selected. Next, the classifiers were trained via the dataset. One out of ten classifiers with the highest accuracy was selected to combine to Yolo. This way, the classification accuracy of the Yolo-based vehicle detector was increased from 57% to 95.45%. Vehicle detector 1 (Yolo) and vehicle detector 2 (Yolo + best classifier), and the Kalman filter-based tracking as vehicle tracker 1 and the Bbox-based tracking as vehicle tracker 2 were applied to the categorical/total vehicle counting tasks on 4 highway videos. The vehicle counting results show that the vehicle counting accuracy of the developed approach (vehicle detector 2 + vehicle tracker 2) was improved by 13.25% and this method performed better than the other 3 vehicle counting systems implemented in this study.     

基于ZYNQ飞艇囊体应变在线监测系统设计

针对当前高空飞艇囊体的应变实时测量装置无法同时具备体积小和实时测量的工作属性,创新性地用光学器件和感光元件配合,对工作中飞艇囊体两个固定点的相对位移量进行测量,提出了一种能够在线监测飞艇囊体应变的测量装置,能够实现应变在线测量且测量精度高;采用TCD1500C电荷耦合器件作为数据来源;主芯片采用ZYNQ处理器,ZYNQ能够具备FPGA的并行处理能力和Cortex的数据调度能力,能够处理CCD高速数据;通过自定义IP核,使用PS端与PL端互联AXI协议,实现了高速、大量数据传输;为了得到应变信号,采用了将应变信号转化为位移信号进行采集的方法,之后将位移信号采集存储至SD卡中并周期性显示到上位机上,实现地面对飞艇囊体应变的实时监控;实现了飞艇囊体应变的实时测量并把测量精度提高至0.1％.     

基于宽度学习的结构沉降预测

结构监测是确保工程结构建设在施工和运营阶段安全的关键因素,因此采用合理有效的预测模型对结构沉降监测数据进行科学准确的预测成为了当前结构沉降预测研究的重点。针对传统预测方法与深度学习方法用于结构沉降预测存在的预测精度不够高、模型结构复杂、训练耗时等问题,提出了一种基于宽度学习的结构沉降时间序列预测模型。通过实测地铁地下隧道沉降监测数据对宽度学习、人工神经网络、支持向量回归和深度置信网络-支持向量回归预测模型的预测结果进行对比分析。实验结果表明:宽度学习系统(broad learning system,BLS)应用于结构沉降预测具有良好的效果,其训练速度更快,预测精度更高。验证了所提出的宽度学习算法应用于结构沉降预测的可实施性和有效性。     

基于改进Kendall-f算法的发电机定子温度分析

在线监测发电机定子温度可有效发现定子部分过热性故障,如何从检测的温度数据中提取反映定子故障预警的信息是目前国内外研究的热点。该文采用可变窗改进Kendall-f算法处理监测温度数据,提取其变化趋势特征信息;采用偏度分析提取监测温度异常值,从而正确诊断定子过热性故障,仿真分析及实验结果表明该方法有效提高了定子温度监测与预警的准确率。     

宁德山区旅游业发展对策研究

宁德山区有着丰富的旅游资源和垄断性的生态环境,发展旅游对于促进山区的经济发展有着重要的意义。本文在分析山区旅游发展现状和存在问题的基础上,提出一些发展对策,以期对各地山区旅游发展有一定借鉴意义。     

海上风电单桩基础服役状态现场监测

为了解风电结构在复杂环境中的真实服役状态,对2个风电单桩基础机位先后开展结构振动监测和水下地形扫测,通过分析现场实测数据,分析包含振动特性和冲刷情况在内的风机支撑结构服役状态,并结合设计数据对实测结果进行讨论。现场测试分析结果可为海上风电结构的服役状态监测和设计优化研究提供参考。     

微震定位系统中拾震器布阵研究

对微震监测中拾震器阵列进行科学有效的布置是保证微震定位系统能有效运行的一个关键条件,设计了4种拾震器阵列布设方案,使煤矿中微震定位监测系统运行得更加科学有效.首先建立复杂地质模型,利用微变网格射线追踪正演模拟出微震源起震到拾震器阵列接收信号的过程,然后在施加随机扰动的情况下,利用粒子群-神经网络算法(PSO-BP)反演推算出震源位置,最后通过震源位置的误差来分析各个布阵方案的特点,同时分析了阵列中拾震器数量的合理值.研究结果表明,在微震监测系统中拾震器利用率最高的情况下,可以给出准确、合理、有效的拾震器布阵方案.