特大型灯泡贯流式水轮发电机组安装技术

灯泡贯流式水轮发电机组安装技术的实践、总结、研究和创新,逐步建立起一套成熟的安装工艺与方法,并且在安装技术方面有重大突破和创新,使得能够又好又快地完成电站几十台特大型水轮发电机组安装工作。     

不锈钢微丝的制备及组织和性能研究

研究了不同直径的316L不锈钢微丝的组织和性能，并探讨了微丝制备过程中断丝的原因。结果表明，冷拉丝材退火后，随直径减小微丝的晶粒不断细化；随直径减小抗拉强度变化不大，而伸长率却逐渐下降；扫描电镜观察表明，微丝表面局部存在缺陷，而断口观察发现有非金属夹杂物存在；缺陷的存在将影响拉伸试样的伸长率，也是微丝制备过程中引起断丝的主要原因之一。     

基于多模态深度学习的离岗智能检测

针对供电营业厅员工可能出现异常离岗或脱岗现象,实时性监督得不到有效保障等问题,文章采用一种基于Mask R-CNN的目标检测方法对营业厅服务公告牌文字进行检测识别,同时利用MTCNN、Insight Face模型对服务人员进行人脸检测与识别,最终利用多模态信息融合,实现在、离岗的准确判定。结果表明,该方法能够在营业厅场景下对工作人员是否正常在岗、异常离岗进行有效检测、识别,准确率达到95%以上,提高工作监督的真实性、公平性和自动化程度。     

500kV输电线路抢修施工

叙述500kV输电线路在抗冰抢修过程采用损坏塔及导线的快速拆除、外拉线内悬浮抱杆组立铁塔、张力放线、张力紧线等施工方法,确保了线路按时恢复供电,为搞好灾后重建、弥补灾害损失、加快经济发展作出了贡献。     

喀斯特山区重复采动下地表沉陷预测研究

为保护矿区地表生态环境,提高喀斯特山区重复采动下地表沉陷变形的预测精度,首先理论分析了煤层采出后上覆岩层运移碎胀特征以及地表滑移机理,确定煤层采动引起山区地表移动变形的影响因素;在原有平地重复采动地表最大下沉值预测模型的基础上,考虑地表滑移对地表最大下沉值的叠加影响,构建了山区重复采动下地表最大下沉值预测模型,并结合数值模拟的方法,研究不同地面坡度下煤层采动对地表沉陷变形的影响;最后分别利用平地、山区重复采动下地表最大下沉值预测模型对采空区地表沉陷变形进行概率积分法预测,将预测结果与实测值进行对比分析.研究结果表明:基于山区重复采动下地表最大下沉值预测模型对采空区地表下沉值的预测精度较原有预测模型提高了1.4个百分点,水平移动值的测精度提高了4.3个百点分,表明山区重复采动下地表最大下沉值预测模型具有实用性,可为类似矿区的地表沉陷研究提供参考.     

H-S直方图反向投影结合特征点提取的双目视觉定位算法

低成本双目视觉系统通常采用价格低廉的非测量相机,其视觉定位精度较低.若需获得较高的视觉定位精度,可通过算法来弥补或减少定位误差.本文阐述了基于H--S(hue-saturation)直方图反向投影结合特征点提取的双目视觉定位算法,可提取左右摄像头图像特征点,并用左图特征点和极线约束对右图特征点进行修正,从而可实现双目视觉定位.在此基础上,为了进一步提高定位精度和减少计算量,采用了快速鲁棒性特征(SURF)算法提取左右图像的兴趣点,并利用间接立体匹配法改进了右图特征点提取.实验结果表明,在低成本视觉定位系统中采用该算法可以有效地提高定位精度.     

基于时序NARX自适应神经网络的油浸式变压器绕组温度预测

变压器绕组热点温度过高会导致绝缘老化速度变快,剩余寿命变短。为此提出了一种基于时序性外因非线性自回归(NARX)的自适应神经网络模型以获得更精准的绕组热点温度预测数据。首先,确定影响变压器绕组温度的外部特征因子种类;然后,对变压器绕组热点数据和其他数据进行预处理;最后,将处理后的数据输入时序NARX自适应神经网络模型进行训练和调参,完成模型的构建。经实例验证,提出的外因NARX自适应神经网络绕组热点温度预测模型能对不同类型变压器数据进行特定的预处理,并且与支持向量机回归、回归树、高斯核回归方法相比,预测误差更小,在提高精度上具有更大优势。     

热处理工艺对316L不锈钢微丝组织和性能的影响

分别对 316L不锈钢微丝拉拔过程中的几道丝材进行了退火处理 ,研究了退火温度与保温时间对不同压缩率丝材的显微组织与力学性能的影响。结果表明 ,再结晶后的显微组织为完全奥氏体组织。丝径为0 2 4 5mm(压缩率为 83% )与0 113mm(压缩率为 96 % )的丝材 ,采用 10 5 0℃× 10s的热处理工艺 ,其再结晶后的晶粒度可达 11级 ,并具有优良的力学性能。丝径为0 0 3mm微丝的最佳退火工艺为 10 5 0℃× 1s。     

一种变电站智能巡检机器人的仪表图像空间变换算法

针对变电站智能巡检机器人的仪表识别问题,提出了一种基于SURF的图像空间变换算法。首先,对建模图像仪表区域和待识别图像进行SURF特征提取;其次,采用KNN算法和双向匹配对所提取的特征进行筛选,提取优质匹配点对;最后,利用随机采样一致性算法(RANSAC)计算得到投影矩阵,从而能将待识别图像转换到建模图像空间,为后续识别提供便利。变电站实际测试结果表明了该算法的有效性。