基于分布式光纤测温的智能电缆测控系统

电力电缆系统的长期运行可靠性主要取决于电缆绝缘性能,而运行电缆系统的缆芯温度影响绝缘性能的变化,因此精确测量电缆系统缆芯温度实践意义重大。本文基于分布式光纤测温技术,将测温光纤内置于导体实现缆芯温度的实时测量。论文首先研究了基于分布式光纤的测温技术,接着进行具体电缆线路测控系统软硬件设计,最后介绍了所研制的智能电缆测控系统的现场应用,现场应用效果表明该系统具有良好的故障定位功能,能及时发现和提前预警电缆的薄弱环节,提高了电缆运行的可靠性。     

脐带缆铠装层参数对拉伸行为的影响分析

脐带缆用于连接水上浮体和水下生产系统,缆芯由钢管单元、光纤单元和电缆单元等组装而成,缆体外层是由铠装钢丝层螺旋缠绕以及聚合物外护套组装而成,截面结构复杂。利用ANSYS有限元通用软件建立双层铠装脐带缆的三维多层接触摩擦有限元模型,计算其截面拉伸刚度,将拉伸刚度数值模拟值与理论结果进行对比,验证有限元模型的正确性;分析比较铠装层不同缠绕角度、缠绕方式和钢丝直径下脐带缆模型的拉伸刚度。结果表明:铠装钢丝层缠绕方式、缠绕角度、铠装钢丝直径对双层铠装脐带缆模型的拉伸刚度、最大等效应力模拟结果均有影响。     

基于BP神经网络的空调性能预测研究

针对空调系统传统设计所需的匹配试验量大,严重浪费公司水电以及人力资源的问题,本文提出BP神经网络对空调系统的性能进行预测的方法,以设计参数压缩机冷量、冷凝器和蒸发器面积和实验参数室内外环境温度、负荷量等为输入,以空调的能力和能效比为输出,对BP网络进行训练、测试。结果表明:BP神经网络算法的均方误差为0.005 8,预测结果的总相关系数为0.974 47,可用于空调系统的设计选型,减少实验成本。     

基于Adaboost集成BP网络原煤生产成本预测研究

为了提高传统BP神经网络预测模型精度,避免BP网络容易陷入局部极值、收敛速度慢等问题,将BP神经网络与Ada-boost算法相结合,提出了一种Adaboost集成BP神经网络模型.结合磁县观台煤矿原煤生产成本相关数据,建立了原煤生产成本预测的Adaboost集成BP神经网络模型,将该模型用于实际的原煤成本预测.结果表明：该模型预测精度高于传统的BP神经网络,收敛速度快,具有较强的鲁棒性,预测精度能满足实际预测需要,为原煤生产成本预测提供了一种新的途径,也为原煤生产成本控制提供了重要依据.     

灰色-神经网络算法预测地网腐蚀与优化

随着社会对电力系统的依赖与日增长,对地网腐蚀安全的研究越来越引发关注。地网腐蚀测量的原始数据大部分是离散分布的,难以用传统方法准确对地网未来的腐蚀走向进行预测,因此提出使用灰色神经网络法来分析变电站接地网检测试验的原始数据。通过分析影响接地网腐蚀的主要因素,对相关测量的原始数据进行预处理,建立灰色神经网络模型,最后以某110 k V变电站的相关数据为例,通过灰色神经网络建模进行初步预测,然后利用遗传算法对原始网络进行初始权值与阈值优化,最后将MATLAB计算数据平均误差进行对比的步骤,实现对25℃实验环境下原始数据的分析处理。实验结果表明,在灰色神经网络算法下平均误差为13.42%,优化后,遗传优化算法其平均误差值为6.31%,验证了优化灰色神经网络法能够试验对地网随时间腐蚀的可靠预测。     

不同温度下高压交联聚乙烯电缆绝缘老化程度检测方法

为了实现对不同温度下高压交联聚乙烯电缆绝缘老化程度检测,提出基于量化回归分析的高压交联聚乙烯电缆绝缘老化程度检测方法。构建不同温度下高压交联聚乙烯电缆绝缘老化程度的统计数据分析模型,采用谱特征分析方法进行不同温度下高压交联聚乙烯电缆绝缘老化程度的谱分析,提取反映不同温度下高压交联聚乙烯电缆绝缘老化程度的谱信息特征量,采用关联特征分析和定量递归图分析方法,进行不同温度下高压交联聚乙烯电缆绝缘老化程度的自适应检测,构建电缆绝缘老化程度的模糊相关性统计分析模型,结合模糊参数自适应寻优控制方法,实现电缆绝缘老化程度的检测优化设计。仿真结果表明,采用该方法进行电缆绝缘老化程度检测的准确性较高,检测结果可靠性较好。     

环境大数据概念、特征及在环境管理中的应用

将大数据运用到环境管理领域是我国环境管理战略转型的重要举措.本文基于对大数据概念与特征分析,并结合环境领域的特点,阐述了环境大数据的概念、特征及在环境管理中所能发挥的作用.环境大数据即把大数据的核心理念和关键技术应用到环境领域,对海量环境数据进行采集、整合、存储、分析与应用等,具有数据规模大、种类多、处理速度快、价值密度低等特征.环境大数据的应用,对于政府、企业和公众都有重要意义.进一步对其在环境管理中的应用场景进行设想,发现其在环境规划编制、环境质量管理、污染源生命周期管理、环境应急以及公众参与等多方面都能发挥重要作用,以促使环境管理向数字化、网络化和精细化转变.最后针对环境大数据在数据处理、数据管理、数据应用现状方面存在的问题,提出了可能的解决思路.     

硅橡胶电缆材料真空烘烤除气参数实验分析方法

目的在于通过硅橡胶电缆护套材料真空出气性能研究,分析材料真空烘烤除气的参数。方法是依据真空中材料出气性能测试标准,测试电缆材料使用温度范围内,不同温度条件下材料的质量损失(TML)、收集的可凝挥发物量(CVCM),分析材料出气参数的变化。结果硅橡胶电缆材料出气温度85℃时,CVCM量值与75℃时基本相同,出气温度95℃时,CVCM量值是85℃时的4倍,且收集到的物质组分也明显增加;出气温度85℃条件下,24小时后材料的质量损失约占总质量损失的94%。结论通过材料出气性能实验方法,有效获得了硅橡胶电缆材料真空烘烤除气参数,体电阻率测试结果检验了真空烘烤除气参数的合理性。     

某航天电子载荷抗力学环境仿真设计研究

航天电子载荷是卫星等航天器的重要组成部件,其在发射阶段会受到较强的振动、冲击等力学应力。为保证航天电子载荷在严酷的力学环境下不失效及不被破坏,文中采用AnsysWorkBench软件建立有限元模型,构建其力学仿真模型,进行模态分析、正弦振动、随机振动、冲击等工况下的力学分析,得到结构的固有频率以及各工况下相应的最大应力、屈服极限和安全系数等,该仿真设计方法对航天电子载荷的抗力学环境结构设计有着重要的意义。     

浅谈油气回收技术及其意义

本文概述了目前国内外油气回收的相关情况,具体介绍了三种主要的油气回收方法,并对其工艺过程及相应特点进行了评述。同时从环境、健康、安全等方面阐述了油气回收的重要意义。     

成都市环境数据中心数据层建设研究

本文通过对成都市环境数据中心建设现状分析,对数据中心数据层的建设原则、建设内容、相关标准及管理机制等进行了探讨和研究,并提出了成都市环境数据中心数据层的具体实施方法。     

基于GPS数据的车辆在高寒环境下适应性跟踪测试

由于GPS数据的来源多种多样,当前方法容易受到异常数据干扰影响,无法准确识别高寒环境下目标车辆的六种行驶状态,且跟踪误差较大,提出基于BP神经网络的高寒环境下车辆适应性跟踪测试方法,根据给出的高寒环境下车辆行驶信息预处理流程初步处理多种装置采集获得的车辆GPS数据,同时采用权值平均法和二次指数平滑法修复初步处理后的孤立车辆GPS数据和连续车辆GPS数据,实现高寒环境下的车辆异常行驶信息处理;计算车辆位置误差区域,将上述处理得到的车辆信息与电子地图中的相应信息做比对,依据D-S证据理论从多条候选道路中找出最有可能是目标车辆行驶所在的道路,计算出目标车辆在该条道路上最有可能的坐标;采用BP神经网络作为该条道路上目标车辆行为异常检测分类器,将连续若干次采集获得的车辆行驶速度和加速度信息作为输入参数输入到检测分类器中,判断交通事故类型,实现车辆在高寒环境下的适应性跟踪测试。实际应用结果显示,所提方法能够准确识别高寒环境下的车辆六种行驶状态,跟踪误差较小,克服了当前方法存在的弊端。     

温度、湿度、光辐射强度三参数微机控制系统

本文介绍一个能广泛用于环境试验设备的温度、湿度、光辐射强度(以下简称温、湿、光)三参数微机控制系统,并对如何提高系统精度和减少温、湿、光三参数的互相影响、提高系统抗干扰能力及相对湿度的测量精度,提出了可行的解决方法。     

基于Elman神经网络的我国入境游客量动态预测

为了更好地拟合我国入境游客量系统动态和时变特性,对我国入境旅游游客量进行科学准确的预测,将Elman网络引入我国入境游客量预测,提出基于Elman神经网络的入境游客量预测模型。以国家统计局公布的最近30个月我国入境旅游游客量月度数据为研究对象,前27个月数据用于建立训练网络,后3个月数据用于检验模型,模型预测最大误差为2.928%,最小误差为1.492%,平均误差为2.19%,模型预测效果与实际非常接近。结果表明:模型能更好地反应我国入境游客量系统的非线性、动态性、时变性等特征,为我国入境旅游游客量预测提供了一种较可靠的途径。     

基于支持向量机-小波神经网络的PM_(2.5)预测模型

近年来我国多地区雾霾天气频发,针对PM_(2.5)浓度变化的非线性、时变性等特点,建立了基于支持向量机-小波神经网络(SVM-WNN)的组合预测模型。采用网格搜索算法对SVM的参数进行优化,利用优化后的模型进行初始预测,并结合WNN强大的非线性拟合能力的特点对其预测残差进行修正。以石家庄市每小时监测的PM_(2.5)浓度数据为样本建立模型并进行预测,结果表明,组合模型预测的平均相对误差为7. 2%。对比单一模型,组合模型的预测的效果更好,这也为短时PM_(2.5)浓度预测提供一个新的方法。     

基于不同的神经网络模型PM_(2.5)浓度预测对比

近年来,以PM_(2.5)为主要污染物的重霾污染事件频频发生,给国民经济及居民健康造成了严重威胁。本文采用BP、RBF及Elman神经网络分别建立预测模型,并以青海省某工业园区某监测站监测的数据为实例对预测模型进行了具体的应用。结果表明:BP神经网络、RBF神经网络及Elman神经网络都可以有效预测PM_(2.5)浓度,但是BP神经网络预测模型预测误差要小于RBF神经网络模型及Elman神经网络模型,具有更高的稳定性和准确定。     

基于卷积神经网络的车辆识别技术研究

现有车辆识别技术识别准确率受环境影响较大,因此提出基于卷积神经网络的车辆识别技术研究。通过设置模型层数与超参数,构建卷积神经网络的车辆识别模型多层结构,在输入原始图像数据后,通过对车辆信息数据分类,提取车辆特征信息,完成车辆识别。设计仿真实验,对比基于卷积神经网络的车辆识别技术与基于视频图像处理的车辆识别技术,在不同环境下对多种类型车辆识别准确性,证明设计有效性。     

基于BP-Adaboost强预测器的瓦斯涌出量预测

为了提高传统BP神经网络瓦斯涌出量预测模型精度,避免BP网络容易陷入局部极值、收敛速度慢等问题,将BP神经网络和Adaboost算法相结合,提出了一种BP-Adaboost强预测器模型.将该模型用于实际瓦斯涌出量预测,并进行了40次仿真实验.结果表明:该模型预测精度高于传统的BP神经网络,且收敛速度快,具有较强的鲁棒性,预测精度能满足实际工程需要,为瓦斯涌出量预测提供了一种新的途径.     

Fuzzy聚类分析在评估环境影响方面的应用——评估环境质量指数的一个辅助方法

1 前言过去,全世界科学工作者对环境影响评估方法学的研究已做了许多工作。1964年,当 Horton 第一次将该方法应用于评估水质指数后,使该方法得到了进一步的充实和发展。研究人员面对众多的参数,最关健的是选准表征环境的参数,对监测到的数据进行科学地筛选,以获得正确的信息。因此,被测定环境质量的空间模型能客观地反映其特征,精确地预测到有关项目可能对环境带来的影响。     

固态功率放大器热真空试验温度控制方法

固态功率放大器热真空试验实施过程中,由于产品自身发热较大和高真空环境下热传递的滞后性,易出现温度过冲或温变速率达不到指定要求的情况。为精确控制试验温度,基于现有真空试验设备温度控制工作原理,根据Goddard中心提出的热学预测公式,提出了热真空试验温度参数控制方法。在某10 W固态功率放大器热真空试验中进行了方法应用,验证了控制方法的有效性。