Results 41 to 50 of about 628 (96)
针对特高压直流线路带电作业存在作业环境复杂等问题,文中采用模糊层次分析法,建立了以带电作业环境、作业人员素质、技术设备条件及安全管理等因素为主体的递阶层次安全综合评价指标体系,在特高压直流线路带电作业安全综合评价指标体系的基础上,构建带电作业安全评价等级,分析了特高压直流线路带电作业危险因素,并针对贵州宾金线±800 kV特高压直流线路带电作业进行了安全评价,结果表明:该次带电作业安全等级为"较安全",其中影响作业安全的主要因素为带电作业环境,且评价结果与该次带电作业安全检查报告结论一致 ...
孟遂民 +5 more
doaj
输电线路在线监测是实现输电线路状态检测和检修的重要手段。为评价输电线路在线监测可靠性,采用层次分析法建立了以环境因素、监测装置本体、人员因素、管理因素的可靠性评价体系结构,在可靠性评价体系基础上建立了输电线路可靠性多级模糊综合评价模型,对武汉地区一条线路的在线监测的可靠性进行了评估,确定了该条线路的在线监测可靠性等级为差,可靠性差主要是由于装置本体原因引起的。
王国胜, 梁瑞玲, 舒应军
doaj
基于因子分析法与D-S证据理论的变压器关键参量提取和状态评估
变压器的状态评估是运行、检修与维护的重要依据,而变压器的评估参量类型冗余、数量繁多等是该环节工作的难点问题。针对上述问题,该文在深入分析变压器状态评估的需求和研究现状的基础上,构建了基于关键评估参量体系及D-S证据理论的多层次综合模糊评判模型。首先利用因子分析法提取并构建了关键参量指标体系;其次结合层次分析法获得评价系统中各子指标的最优权重,从而依据各自隶属度函数获得各项目层的评价结果;最后依据D-S证据理论对各项目层的评估结果进行了融合评估决策。经实例分析,该模型能有效且合理地对变压器状态进行评估。
曾丹乐 +5 more
doaj
基于组合赋权法和模糊综合评估法对110 kV线路防雷策略的研究
为了提升110 kV输电线路的防雷性能,提出一种基于组合赋权法和模糊综合评估法的防雷改造评估方法。首先根据不同防雷措施下的差异化原理,筛选出差异化指标作为防雷措施的优化对象;然后,提出熵权法(EWM)与改进层次分析法(IAHP)组合赋权的方式法对线路防雷措施的权重值进行赋值,并建立以模糊综合评价法的防雷评估模型。最后,针对华东南110 kV某输电线路实例进行防雷验证。结果表明:基于文中所提的防雷方法能全面地评估输电线路的防雷措施,优化后线路杆塔的绕击和反击跳闸率分别降低72%和53 ...
吴桂联, 陈浩, 林佳
doaj
针对10kV配电线路带电作业存在作业环境复杂等安全风险,采用层次分析法和模糊综合评价法对东莞某镇同塔多回配电线路带电作业的安全风险进行了评估,建立了包括作业环境、人员素质、作业机具与防护、安全作业综合管理、现场管理等配电作业安全评价指标体系,在配电线路带电作业安全评价指标体系的基础上,进行了相应的定量分析,分析了配电线路带电作业的危险因素,确定了该镇配电线路带电作业的安全等级。根据配电线路带电作业安全评价计算结果,该镇同塔多回配电线路带电作业处于较好的状态 ...
欧相林 +5 more
doaj
[Design and validation of a multimodal model integrating text and imaging data for intelligent assessment of psychological stress in college students]. [PDF]
Xie H +5 more
europepmc +1 more source
[Review of application of U-Net and Transformer in colon polyp image segmentation]. [PDF]
Shi Y, Sun S, Liu J, Ma J, Li M.
europepmc +1 more source
[Research progress of large language models in tumor diagnosis: applications in textual reports and medical imaging]. [PDF]
Cheng H +5 more
europepmc +1 more source
[Full-size diffusion model for adaptive feature medical image fusion]. [PDF]
Di J, Shi S, Wang H, Liang C, Zhu Y.
europepmc +1 more source
[Endometrial cancer lesion region segmentation based on large kernel convolution and combined attention]. [PDF]
Peng R, Zeng Q, He B, Liu J, Xiao Z.
europepmc +1 more source

