【摘 要】
：
光伏支架中螺栓的松动会影响光伏系统平稳运行,若无法及时检测出螺栓松动,会导致光伏组件脱落,严重时造成支架坍塌。本文采用小波包分解（Wavelet Packet Decomposition,WPD）与卷积神经网络（Convolutional Neural Network,CNN）结合的螺栓松动故障检测方法,解决螺栓松动时采集超声波信号波形特征不明显,导致检测困难的问题,并在多螺栓钢板搭接实验平台上验
论文部分内容阅读
光伏支架中螺栓的松动会影响光伏系统平稳运行,若无法及时检测出螺栓松动,会导致光伏组件脱落,严重时造成支架坍塌。本文采用小波包分解（Wavelet Packet Decomposition,WPD）与卷积神经网络（Convolutional Neural Network,CNN）结合的螺栓松动故障检测方法,解决螺栓松动时采集超声波信号波形特征不明显,导致检测困难的问题,并在多螺栓钢板搭接实验平台上验证了该方法的可行性。具体研究内容如下:1.螺栓松动数据采集,本文使用超声波检测螺栓预紧力,针对没有公开的螺栓松动数据集问题,搭建超声波检测系统采集螺栓松动数据。系统选用STM32作为主控芯片,设计了超声波发射模块和接收模块电路,对采集的超声波信号通过传输模块与上位机进行数据传输。对各模块的电路进行仿真测试,确保检测系统正常工作。2.螺栓松动数据处理,采用小波包分解与卷积神经网络结合的螺栓松动故障检测方法（WPDCNN）。使用db4小波基函数对超声波回波信号分解,从各频段中提取能量特征值,对不同位置的螺栓以及不同预紧力的螺栓建立特征数据库,制作数据集。设计一维卷积神经网络模型,利用能量特征数据对网络进行训练,建立螺栓松动故障检测模型。3.实验验证,通过采集8种不同工况下的螺栓松动数据,对网络进行训练。为了提高该方法的可移植性,对螺栓松动的等级进行细分,设计了更复杂且具有代表性的螺栓松动工况,在多螺栓钢板搭接实验平台上对所提出方法的有效性进行验证。实验结果表明,WPDCNN模型的准确率达到99.92%,可以实现对不同螺栓松动工况的检测。WPDCNN与CNN相比,模型的准确率提升了 4.28%,与支持向量机（Support Vector Machine,SVM）相比,模型的准确率提升了 12.96%。在复杂螺栓工况下,螺栓松动故障检测模型的准确率为98.32%,表明该方法具有很好的检测性能以及良好的可移植性。
其他文献
随着国家“碳中和”、“碳达峰”概念的提出,我国对新能源和新型电力系统的研究发展上升到一个全新的高度,整个电网结构表现出丰富的“直流特性”。因此,在今后的电网发展中,直流变压器将作为交/直流微网中各等级直流电压变化、传输的核心装置。本文将以CLLC谐振型直流变压器为研究对象,围绕电路的拓扑结构、运行原理、控制策略等方面开展具体研究。首先分析了 CLLC谐振型变换器在不同谐振模态下的工作状态以及直流变
随着分布式可再生能源的迅速发展以及直流用用电设备的逐渐普及,以直流微电网作为电能载体消纳分布式可再生能源已经成为一种趋势,大规模的直流微电网接入电力系统是未来智能电网的重要发展方向。通过协调直流微网内多种形式分布式能源的出力可有效提高微网的电能质量,直流微网之间通过制定合理的互联互动机制形成微网群,能进一步发掘微网的供电潜能,因此研究直流微电网和微网群的功率协调控制意义深远。本文从子网和群落两个层
据调查研究显示,高血压已经成为全球死亡的主要因素之一,若不及时治疗,可能会导致心脏病和脑卒中的风险。因此为了预防高血压,需要定期测量血压。在临床中,测量血压的标准方法是水银血压计、无液血压计和示波装置的血压计,但这些测量方式带给测试者疼痛或麻木等不适感,且只能间歇式测量血压,即不可连续测量血压值。对于需要连续测量血压的患者,尤其是重症监护患者,开发一种能够实现连续性和非接触的血压检测设备至关重要。
随着我国海洋强国战略的实施和偏远地区经济发展的需要,独立型微电网得到了飞速发展,但其存在容量有限、稳定性差、难以可靠工作的弊端。因此,通过将若干个独立型微电网进行互联,使其能量互通,构成多独立微电网系统（Multi Independent Microgrid,MIMG）,并在此系统上研究经济成本优化和能量管理策略,达到降低运行成本,实现大规模可再生能源消纳、提高系统稳定性的目的。因此,本课题以功率
火灾是威胁国民安全的重大隐患之一,目前市场主流的火灾报警器主要是通过检测在火灾初期已经形成的烟雾,或者火焰进行报警,虽然可以减少事故损失,但是无法在有火灾隐患时就能提前预警。因此,研发一款在未发生火灾之前但已经存在隐患就能准确预警的火灾早期预警系统,无疑具有极高的社会价值和经济价值。为解决传统火灾预警方法检测不能在未发生火灾但已有火灾隐患时及时检测预警的问题,设计一种基于热红外的的早期火灾预警系统
有轨电车目前在我国城市交通系统中具有良好的发展前景。由于传统架空接触网供电方式易产生磨损断线、通讯干扰等问题,新型供电方式成为了当前的研究热点。本文研究了一种在电车停靠站台上下乘客期间对车载混合储能系统进行无线电能传输（wireless power transfer,WPT）的供电方式,为未来有轨电车的供电方式提供了一种新的选择。混合储能有轨电车对WPT系统有高传输效率的要求,但采用DC-DC变换
随着智能交通的不断发展,对交通监控视频中跟踪算法性能有了更高的要求。如何应对实际交通监控中各类干扰因素,是视频目标跟踪中重要研究部分。长期目标跟踪,因其重检模块可对丢失目标进行再次捕捉而更接近实际应用。本文采用优化的长期相关跟踪算法来对交通监控视频中的目标进行跟踪。本文的主要研究内容如下:（1）针对长期相关滤波算法选择特征范围局限,提出采用融合特征方式。将改进的方向梯度直方图特征、局部二值模式特征
电力电缆作为能源传输的主要媒介,所处环境复杂多样,导致电缆随着工作时长的增加,故障发生的概率逐渐增大。常用的离线故障检测方法存在不足,不仅无法对间歇性故障进行检测和定位,而且还会影响电力系统的运行效率和经济效益。研究高效的电缆故障检测方法,是目前的研究热点之一。本文主要研究的扩展频谱时域反射法（SSTDR法）属于在线检测方法,研究内容包括以下几点:1.围绕电缆故障在线检测方法展开研究,对SSTDR
微电网内分布式发电存在随机性和波动性的特点,需要配备一定的储能装置来保证系统的稳定运行。其中储能装置由储能电池及储能变换器构成。储能装置可以进行削峰填谷,维持微电网的功率平衡,其次在电网电压幅值或相位发生波动时,起到稳定电压的作用。储能装置中荷电状态（State of Charge,SOC）的不一致会使得储能装置过度充放电,缩减其使用寿命。因此本文以多台并联储能装置为研究对象,设计相应控制策略来实
图像检测作为图像处理领域的重要研究课题已被广泛应用。在本文中,我们将使用卷积神经网络算法来解决图像检测问题,主要围绕道路监控图像中驾驶员安全带检测问题,以及基于肺部X射线图像的肺炎检测问题展开研究,研究的具体情况如下:（1）本文提出了一种改进密集残差网络的安全带检测方法。首先使用YOLOV3目标检测模型来进行驾驶员区域定位。对于驾驶员的安全带检测,使用密集残差块来避免网络训练过程中的梯度弥散和信息