-
题名基于模态分析和遗传神经网络的闸门锈蚀损伤研究
被引量：2
- 1
-
-
作者
董现
王雅迪
李宇男
朱召泉
-
机构
石家庄铁道大学土木工程学院
内蒙古机电职业技术学院水利与土木建筑工程系
河海大学土木与交通学院
-
出处
《水电能源科学》
北大核心
2022年第4期204-207,共4页
-
基金
国家自然科学基金项目(51808357,51638009)。
-
文摘
闸门结构破坏的主要形式为钢结构的失稳破坏,而钢材的锈蚀势必会造成钢闸门结构动力性能的不稳定。鉴于水动力作用对闸门的动力性能有重要影响,综合考虑水体流固耦合作用对弧形闸门进行动力分析,选取支臂进行锈蚀损伤模拟。在支臂局部锈蚀即小面积锈蚀情况下,应用应变模态这一局部评价指标可以明确判断出闸门的锈蚀位置,结合遗传神经网络有效预测,可以分析出该锈蚀位置后续损伤引起的应变模态数值变化,确定该位置的锈蚀影响率。当锈蚀影响率超过60%时,会引起闸门斜腹杆沿垂直杆轴方向的振动破坏形式,为弧形闸门损伤的评估判定提供依据。
-
关键词
钢闸门
锈蚀评估
应变模态
遗传神经网络
-
Keywords
steel gate
corrosion evaluation
strain modal
genetic neural network
-
分类号
TV34
[水利工程—水工结构工程]
-
-
题名基于图像深度学习的高压断路器操动机构锈蚀状态评估
被引量：7
- 2
-
-
作者
杨鼎革
丁彬
高健
牛博
赵陈琛
郭艺博
张国钢
-
机构
国网陕西省电力公司电力科学研究院
西安交通大学电力设备电气绝缘国家重点实验室
-
出处
《电工电能新技术》
CSCD
北大核心
2022年第5期71-79,共9页
-
基金
国网陕西省电力有限公司科技项目(5226KY19004T)。
-
文摘
高压断路器在长期运行过程中会产生不同程度及不同形态的锈蚀,其操动机构的关键零部件连接处存在锈蚀时,会影响断路器分合闸速度,严重时将导致机构拒动,危及电力系统的供电安全。因此,对高压断路器操动机构进行锈蚀检测并评估其运行状态具有重要意义。本文提出一种基于图像深度学习的高压断路器操动机构锈蚀状态评估方法,首先,根据高压断路器的工作原理和结构特点,建立评价指标体系,并利用主客观综合赋权法,确定各指标综合权重;其次,利用YOLO深度学习算法识别操动机构的锈蚀位置和锈蚀等级,计算相关评价指标;最后,通过模糊综合评价方法,获得锈蚀状态的评价结果。对YOLOv3、YOLOv4和YOLOv5算法进行性能测试,表明YOLOv5算法在准确度和速度等方面综合表现更好;最后,对某台已投运的高压断路器进行锈蚀状态评估,与实际情况对比,验证了所提方法的合理性。
-
关键词
高压断路器
操动机构
图像深度学习
锈蚀状态评估
YOLO算法
模糊综合评价
-
Keywords
high voltage circuit breaker
operating mechanism
image deep learning
rust status evaluation
YOLO algorithm
fuzzy comprehensive evaluation
-
分类号
TM561
[电气工程—电器]
-
