摘要：针对工业现场铜制螺纹零件外表面缺陷检测效率低和精度差的问题,提出一种融合多尺度特征与注意力的U型网络(Multi-Scale Features and Attention Fused UNet,MFA-UNet)模型的铜制螺纹零件外表面缺陷检测算法。首先,设计一种双路下采样模块,并行使用普通卷积和空洞卷积提升模型的特征提取能力;其次,在跳跃连接部分加入复合空间注意力模块,增强分割模型对空间信息和边缘信息的提取能力;然后,在上采样过程中加入压缩激励模块,提高模型的表达能力和特征选择能力;最后,提出一种相似度对比算法,比较分割图像和掩码图像的相似度,得到缺陷检测结果。实验表明,所提分割模型在铜制螺纹零件缺陷检测数据集上PA指标达到94.81%,MIoU指标达到93.78%;所提算法缺陷检测准确率达到98.9%,满足工业现场的使用需求。

摘要：电力变压器是电力系统的重要电气设备之一,对变压器进行在线故障诊断是降低电力系统运维成本、提高电力系统稳定性的关键措施.基于电力变压器运行时的音频信息,提出音频信号动态特征重组和TCN-Attention模型实现变压器典型故障的精准识别.首先,分析变压器音频信号的SRA、RMS、峭度和裕度特征;然后,根据特征与变压器故障之间的相关性、鲁棒性和时序单调性实现不同特征的加权融合,得到变压器音频信号的综合特征;最后,设计TCN-Attention模型分析变压器音频特征从而实现故障诊断,并基于注意力机制增强音频特征中的重要信息,以提升变压器故障的识别准确率.本文采集了变压器在正常运行、绕组故障和铁芯故障3种状态下的音频信号构成数据集,对所提方法进行验证.实验结果表明,本文方法根据变压器音频信号进行故障诊断的准确率可达90%以上,实现了变压器故障的智能诊断,对保障电力系统稳定运行具有重要意义.

摘要：为解决带式输送机清扫装置智能运维准确率低、可视化不足等问题,设计了一种基于数字孪生的清扫装置智能运维系统。结合实际工况,建立了基于数字孪生的智能运维系统框架,并构建融合物理模型、逻辑模式、功能模型的孪生模型,提出一种融合Dropout的LSTM-ELM轴承故障诊断模型,进一步结合WebGL等技术进行可视化展示。结果表明:该系统平均诊断精度达95.34%,可视化展示充分,达到实际运维需求。可为推动数字孪生技术落地提供参考。

摘要：为了解决散装物料在装车过程中所出现的偏载、欠载及控制精度低等问题,提出了一种基于GA-WNN的散装物料装车智能控制系统。首先对列车行驶智能控制总体设计方面进行了详细说明,阐述了各功能模块的运行机理;其次对小波神经网络(WNN)控制器的模型结构进行了描述,解析了各个结构层的处理机制,并结合遗传算法(GA)对WNN控制器进行优化,使其输出理想的装车控制效果。实验结果表明,该系统有效解决了物料装载过程中所出现的欠载和偏载现象,大大提高了装车的效率和精准度,为工矿企业的高效安全生产提供了有力保障。

摘要：针对智能电网中分布式能源系统存在的管理困难,电力资源难以调度等问题,提出了一种基于区块链技术的电力网络管理系统。使用以太坊作为开发平台,建立分布式能源的电力交互管理区块链。使用股权证明(PoS)变异算法确立区块链中发用电双方共识机制,指定交易双方中的记账人;通过K-means聚类算法和粒子群优化算法(PSO)来设计分布式电能调度策略,进一步保障电网中能源交易分配的可靠性,最终实现电力运营智能合约下分布式能源的有效管理。实验结果表明:在智能电网中部署电力交互管理区块链,有效解决了分布式能源交易难达成,耗时长的问题,提高了电网中资源管理的合理性。

摘要：基于深度学习的目标检测算法在异物检测中具有较好的识别效果,但模型内存需求大,检测速度慢;轻量化深度学习网络能够大幅减少模型内存需求,提升检测速度,但在井下弱光环境中检测精度低。针对上述问题,提出了一种基于Faster-YOLOv7的带式输送机异物实时检测算法。通过限制对比度自适应直方图均衡化算法(CLAHE)进行图像增强,提高弱光环境中异物对比度;基于Mobilenetv3对YOLOv7主干网络进行轻量化设计,减少YOLOv7模型的计算量、参数量;添加有效通道注意力机制,缓解因特征通道数减少而导致的高层特征信息丢失问题;采用Alpha-IoU作为损失函数提高异物检测精度。实验结果表明:(1)Faster-YOLOv7的初始损失为0.143,最终稳定在0.039左右。(2)Faster-YOLOv7的检测速度可达42帧/s,较YOLOv5、YOLOv7分别提升了17,20帧/s;Faster-YOLOv7内存为14 MiB,较YOLOv5、YOLOv7分别降低了29,57 MiB;检测准确率达91.3%,较YOLOv5提升了8.8%。(3)将SSD、YOLOv5、轻量化YOLOv7、Faster-YOLOv7目标检测算法应用到煤矿井下带式输送机运煤图像及视频中,发现SSD在视频检测时发生了漏检现象,YOLO系列模型均有效地识别出待测异物,且Faster-YOLOv7识别结果的置信度更高。

摘要：滚动轴承作为煤矿旋转设备中至关重要的机械元件,对其早期故障进行快速有效的诊断与预测可保证矿山开采的稳定性。针对提升机等旋转设备滚动轴承,采用非接触式测量仪器采集轴承工作时的音频信号,通过预加重,分帧加窗及峭度计算提取声音信号的时域特征,并基于萤火虫算法优化的卷积-长短期记忆(CNN-LSTM)神经网络完成音频特征的输出预测。实验结果表明,设计的神经网络模型可对轴承音频的分帧峭度数据进行较为精确的预测拟合,在设定的峭度安全阈值下,该模型能实现滚动轴承早期故障的准确预知。

摘要：针对高压电缆故障复杂程度高,实时监测成本过高的问题,提出一种基于集合经验模态分解(EEMD)和天牛须搜索算法优化卷积神经网络(CNN)的组合诊断方法。将电缆护层电流数据经EEMD分解为若干个本征模态分量(IMF),结合相关系数选取与原信号相关度最大的分量,作为CNN网络的输入。为了提高网络模型的分类精度,使用天牛须算法(BAS)优化CNN诊断模型的超参数。以淮南某煤矿高压电缆电流数据为例,实验结果表明,EEMD有效的将电流信号进行分解,所设计的BAS-CNN网络与2组人为确定CNN超参数的网络对比,BAS-CNN具有最高的分类精度,监测准确率达到96.95%。

摘要：为保障矿用电机车的安全稳定运行,实现电机车运输过程中避障的自主化与智能化,提出了一种基于深度确定性策略梯度(DDPG)算法的电机车防撞及避障策略。通过融合电机车行驶环境中的多源特征数据,作为DDPG算法网络的状态输入,结合奖励函数、OU噪声来训练智能体,进而输出确定性防撞避障策略至电机车整车控制器,以控制电机车完成转向、调速、制动及报警等避障动作。仿真测试结果表明,所设计的避障防撞策略有效解决了电机车在井下复杂工况中的运行控制问题,对电机车的少人、无人化驾驶研究具有一定的意义。

摘要：目前机械零件螺纹的缺陷检测主要依赖人工目视检测,存在速度慢、误差大等问题,为此,基于融合多维非对称策略提出一种计算机视觉螺纹缺陷检测方法。首先,在YOLOv7目标检测算法的网络结构部分新增一层160×160的特征提取层,增加模型的目标检测尺度;设计LAM+DBAM注意力模块,引入标准差权重影响因子,从而构建新的权值计算公式,将发挥重要程度不同的特征提取层进行非对称融合,提升网络对小目标的特征提取能力。其次,采用TIoU损失函数,将预测框和标签框进行区分,非对称地处理输入的2个边界框,提升前景信息在网络特征提取过程中发挥的作用。最后,对模型的BN层进行稀疏化训练,通过缩放因子γ判断卷积核的重要程度,对非重要卷积核进行剪枝,消除模型的冗余参数,提升检测速度。试验结果表明,提出的基于融合多维非对称策略的螺纹缺陷检测方法的精度均值达到93.72%,检测速度达到53 f/s。