摘要：输电线路热容量的限制对水电企业的安全可靠性起着至关重要的作用。为了准确采集、传输并估计输电线路的温度数据,现有的基于物理的标准是根据多个传感器测量的环境和线路条件来实现,计算成本高、估计精度低,基于此,提出基于数字孪生技术的数据采集与传输方法。该方法通过物理传感器数据与实际导体温度数据之间的输入输出关系来进行机器学习,作为基于物理标准的数字等效。通过对实际数据的实验评估,将所提出的方法与IEEE738标准进行比较,结果表明,该方法可明显降低预测温度的均方根误差,数字孪生体提供了更准确和可靠的估计,可以作为传统方法的补充或潜在替代方法。

摘要：烧结纳米银的互连可靠性对于SiC模块至关重要。随着人工智能与封装可靠性领域的交叉研究不断深入,发展基于数据驱动的互连可靠性评价方法已经成为该领域研究的前沿问题之一。以典型SiC互连结构为研究对象,将热疲劳寿命作为评价指标,通过综合研究芯片尺寸、烧结纳米银层尺寸和力学参数等关键因素,构建了基于支持向量回归(SVR)模型的烧结纳米银热疲劳寿命数据驱动预测模型,并对所提出的数据驱动模型进行综合量化考察和验证。通过研究关键互连参数的相关性矩阵,发现增加烧结银层厚度可以提高互连结构的寿命,而烧结银层弹性模量和SiC芯片厚度对互连可靠性有不利影响,该研究结果可用于指导SiC互连层的优化设计。

摘要：为有效评估陶瓷基复合材料在载荷作用下的损伤状态,开展了陶瓷基复合材料加载过程中的声发射监测试验。对比了包括XGBoost、AdaBoost、KNN回归等多种机器学习算法在材料剩余强度预测方面的性能。通过基于SHAP的模型可解释性,分析了各相关特征对模型预测能力的贡献。结果表明:除关键声发射信号特征之外,基于声发射信号的计算特征——预警函数,对剩余强度模型预测能力的提升有较大帮助,基于XGBoost算法和声发射信号能够实现较精确的陶瓷基复合材料剩余强度预测。

摘要：螺栓连接易于组装和承载能力强,被广泛用于飞行器部组件连接。由于设计和安装不当、服役载荷和环境影响,螺栓连接容易失去预紧力。螺栓连接松动会降低结构的可靠性,甚至导致结构失效。准确监测螺栓预紧力对于确保飞行器结构的可靠性和安全性具有重要意义。超声导波和机电阻抗技术是常用的结构健康监测方法。近年来机器学习技术,特别是深度学习技术迅速发展,受到了广泛关注。针对基于压电传感器的螺栓预紧力智能监测方法进行了综述,包括传统机器学习技术和深度学习技术的应用,梳理预紧力智能监测的发展现状和重要进展,为推动连接结构健康监测的技术发展和工程应用提供参考。

摘要：文章一摘要:本文介绍了工单文本分类的理论和应用,并对文本分析的分词、机器学习、深度学习等技术方法进行了描述。基于预训练BERT模型提出了95598客服工单自动分类的方法,设计了电力客服工单自动分类的流程,最后通过一个实际的案例对算法模型进行校验,并与传统的文本挖掘方法进行了对比。算例的结果表明,所使用的工单分类算法能显著提高分类的准确性,在分类效率上也较高。文章二摘要:在输电线路三维可视化自动建模场景中如何实现对杆塔的三维点云数据进行快速准确的自动化分类是一个关键问题,在本文中我们提出了一种基于卷积自编码神经网络CAE的杆塔三维点云数据自动分类算法。首先,我们通过投影计算得到杆塔点云的旋转角度并使用旋转矩阵将杆塔点云摆正,然后进行正面侧面投影获取到杆塔点云的图像;第二,使用收集到的杆塔点云图像组成训练数据集,对卷积自编码网络进行训练之后提取出自编码网络的编码部分用于对图像进行特征提取;第三,使用自编码器对输入的杆塔点云图进行特征抽取,将提取的图像特征向量输入EM进行自动分类。实验结果表明我们所提出的杆塔点云自动分类算法能够快速准确实现对点云数据的自动化分类。文章三摘要:台风是一种可以给沿海地区电网造成巨大破坏的自然灾害,中国东南沿海地区正是台风灾害频发的地区。对于强台风环境下的地区电网,台风的强风可导致输配电网中的电气设备产生结构性损伤,影响供电稳定性。在电网设备中,杆塔是最易被台风影响的大型设备,从中国东南沿海电网历史台风灾损统计结果来看,绝大多数的倒塔与断杆主要发生在强风圈内,显然风速对杆塔的影响是巨大的。