基于ZigBee网络铺设成本低和传输效率高的优点,提出一种基于ZigBee网络和视频监控的电力设备故障监测与诊断方法。首先通过视频监控设备和传感器采集电力设备故障信号数据,识别过程中采用小波包3层分解和重构电力设备故障信号数据提取小波包能量特征;然后将其特征数据划分成训练样本和测试样本,在极限学习机的基础上引入正则化因子,提出了正则化极限学习机算法,用于进行故障分类、诊断和识别;最后将训练样本作为RELM模型的输入和输出,建立电力设备故障RELM识别模型进行故障识别。与ELM、SVM和BPNN相比,运用RELM进行电力设备故障诊断具有更高的诊断准确率和更低的误判率。

采用碱激发剂和盐激发剂激发废玻璃粉的活性,研究了活性激发前后废玻璃粉对砂浆ASR膨胀和强度的影响。结果表明:未活性激发时,当废玻璃粉的取代率为10%时,砂浆的抗折强度和膨胀率均优于基准组;碱激发剂可有效侵蚀废玻璃粉,产生活性SiO2,但碱过量会引起碱骨料反应的发生,降低砂浆的强度和耐久性;盐激发剂既能促进废玻璃粉中活性SiO2的释放,又能生成钙矾石,提高基体密实度,但掺量过高会造成钙矾石过量,导致基体结构疏松,从而降低砂浆的强度和耐久性。