前言:一篇好文章的诞生,需要你不断地搜集资料、整理思路,本站小编为你收集了丰富的卷积神经网络的历史主题范文,仅供参考,欢迎阅读并收藏。
关键词:物联网;人脸识别;视频网络
1物联网及人脸识别视频网络技术的发展
1.1物联网视频网络技术的发展状况
最近几年,随着物联网技术、图像处理技术以及数据传输技术的快速发展,视频网络技术应运而生并取得了长足的发展。当前,视频网络系统作为一种模拟数字控制系统,其具有非常成熟和稳定的性能,已广泛应用于实际工程中。虽然数字系统发展迅速,但尚未完全形成相应的体系,因此,混合数字和模拟应用程序逐渐迁移到数字系统将成为未来发展的主要趋势之一。当前,国内外市场上主流的产品主要有两种,即模拟视频数字网络系统、数字视频网络系统。前者技术先进,性能稳定,被广泛应用于实际工程应用中,特别是大中型视频网络项目。后者作为一种新兴技术,是一种通过以计算机技术和视频压缩为核心的新型视频网络系统,其有效的避免了模拟系统所存在的一些弊端,但未来仍需要进行不断的改进和发展。外部集成、视频数字化、视频网络连接、系统集成是未来视频网络系统发展的重要研究方向。数字化是网络的前提,而网络是系统集成的基础。因此,视频网络领域的两个最大发展特征是:数字化和网络化。
1.2人脸识别视频网络的发展状况
人脸识别技术作为模式识别领域中的一项前沿课题,截止目前,已有三十多年的研究历史。人脸识别目前是模式识别和人工智能的研究热点,目前主要采用AdaBoost分类器进行人脸区域的检测,人脸识别研究的内容大致分为以下内容:(1)人脸检测:其指的是在不同场景下的人脸检测及其位置。人脸检测是通过在整个输入的图像中找到一个合适的人脸区域为目的,并将该图像分为人脸区域和非人脸区域两部分。在实际的某些理想情况下,由于可以人为手动控制拍摄环境,因此,可以轻松确定人脸的位置;但是在大多数情况下,由于场景更加复杂,因此,人脸的位置是未知的。因而在实际的人脸识别视频网络过程中,首先必须确定识别场景中是否有人脸的存在,如果存在人脸,再进一步确定图像中人脸的具体区域。(2)人脸识别:将系统检测到的人脸特征信息与系统数据库中存在的已知人脸信息进行充分识别与匹配,以此获取相关信息,该过程的本质是选择正确的人脸模型和匹配策略。在实际生活的应用当中,由于成人的面部模型处于不断变化当中,且容易受到时间、光线、相机角度等方面的差异,因而很难用一张图纸表达同一个人的面部图像,这使得提取特征变得困难,由于大量的原始灰度图像数据,神经元的数量通常很大并且训练时间很长。除此之外,完全依赖于神经网络的识别方法具有当前计算机系统固有的局限性,尽管神经网络具有很强的感应能力,但是随着样本数量的增加,其性能可能会大大降低。简而言之,由于年龄,表情,倾斜度和其他表征对象的因素的多样性,很难进行人脸识别,因此,识别该对象的效果仍远未达到现实。目前,普遍采用AdaBoost算法来对出现在视频中的人脸区域进行检测,以此达到实时获取人脸图像的目的,AdaBoost算法的原理是通过训练得到多个不同的弱分类器并将这些弱分类器通过叠加、级联得到强分类器,AdaBoost算法流程如图1所示。(3)表情分析:即对面部表情信息(幸福,悲伤,恐惧,惊奇等)进行分析和分类。当前,由于问题的复杂性,正在对面部表情的分析进行研究,它仍处于起步阶段。心理学表明,至少有六种与不同面部表情相关的情绪:幸福,悲伤,惊奇,恐惧,愤怒和恶心。即与没有表情的面部特征相比,这六个表情的面部特征具有相对独特的运动规则。(4)生理分类:分析已知面孔的生理特征,并获得相关信息,例如种族、年龄、性别和职业。显然,此过程需要大量知识,通常非常困难和复杂。
卷积神经网络是专门设计用于识别二维形状的多层感知器。通常,可以使用梯度下降和反向传播算法来训练网络。从结构上讲,卷积神经网络包含三个概念:局部感受野、权重共享和下采样,使其在平移,缩放,倾斜或其他形式的变形中相当稳定。当前,卷积神经网络被广泛用于模式识别,图像处理和其他领域。卷积神经网络(CNN)用于提取目标人脸图像的特征。训练网络后,将先前测试的模型用作面部分类器,微调可以缩短网络模型的训练时间。卷积神经网络的基本体系结构是输入层,卷积层(conv),归约层(字符串),完全连接层和输出层(分类器)。通常有多个卷积层+速记层,此程序实现的CNN模型是LeNet5,并且有两个“卷积+下采样层”LeNetConvPoolLayer。完全连接的层等效于MLP(多层感知器)中的HiddenLayer。输出层是一个分类器,通常使用softmax回归(有些人称为直接逻辑回归,它实际上是多类逻辑回归)。LogisticRegression也直接提供了该软件。人脸图像在视频监控中实时发送到计算机,并且面部区域部分由AdaBoost算法确定。在预处理之后,将脸部图像注入到新训练的预训练模型中进行识别。该过程如图2所示。
3物联网人脸识别视频网络多目标算法优化
多目标优化问题的实质是协调并在各个子目标之间达成折衷,以便使不同的子目标功能尽可能地最佳。工程优化的大多数实际问题都是多用途优化问题,目标通常相互冲突。长期以来,多目标优化一直受到人们的广泛关注,现在已经开发出更多的方法来解决多目标优化问题。如果多标准优化没有最差的解决方案,那么通常会有无限多的解决方案,这并不是最差的解决方案。解决面部强调时,人们不能直接应用许多次等解决方案。作为最后的决定,我们只能选择质量不是最低,最能满足我们要求的解决方案。找到最终解决方案的方法主要有三种。因此,只有通过找到大量有缺陷的解决方案以形成有缺陷的解决方案的子集,然后根据我们的意图找到最终的解决方案。基于此,多目标算法是通过将多准则问题转变为一个关键问题,这种方法也可以视为辅助手段。这种方法的棘手部分是如何获取实际体重信息,至于面部特征,我们将建议一种基于权重的多功能优化算法,该算法可以更好地反映脸部的特征。我们将人脸的每个特征都视为多个目标,并且在提取面部特征时,面部特征会受到外界的强烈影响,例如位置,光照条件和强度的变化,并且所有部位和每个部位都会受到影响。因此,我们可以使用加权方法从每个受影响的分数中提取不同的权重。通过开展试验测试,结果表明,在有多目标优化的算法的作用下,比在没有多目标优化的算法作用下人脸识别效果有所提高,大约提高了5—10个百分点。
4结论
鉴于多准则优化算法在科学研究的各个领域中的广泛使用,本文提出了一种多准则优化算法来对复杂的多准则人脸图像上的各种面部特征进行特征提取的多准则优化,以达到提高人脸识别率的目标、提高整个人脸识别视频网络系统的性能。
参考文献
[1]江斌,桂冠.基于物联网的人脸识别视频网络的优化方法研究[C]//物联网与无线通信-2018年全国物联网技术与应用大会论文集.2018.
[2]余雷.基于物联网的远程视频监控优化方法研究[J].科技通报,2014(6).
[3]张勇.远程视频监控系统的传输技术的实现[D].电子科技大学,2011(9)
虽然目前公众媒体将无线通信炒的很热,但这个领域从1897年马可尼成功演示无线电波开始,已经有超过一百年的历史。到1901年就实现了跨大西洋的无线接收,表明无线通信技术曾经有过一段快速发展时期。在之后的几十年中,众多的无线通信系统生生灭灭。
20世纪80年代以来,全球范围内移动无线通信得到了前所未有的发展,与第三代移动通信系统(3G)相比,未来移动通信系统的目标是,能在任何时间、任何地点、向任何人提供快速可靠的通信服务。因此,未来无线移动通信系统应具有高的数据传输速度、高的频谱利用率、低功耗、灵活的业务支撑能力等。但无线通信是基于电磁波在自由空间的传播来实现信息传输的。信号在无线信道中传输时,无线频率资源受限、传输衰减、多径传播引起的频域选择性衰落、多普勒频移引起的时间选择性衰落以及角度扩展引起的空间选择性衰落等都使得无线链路的传输性能差。和有线通信相比,无线通信主要由两个新的问题。一是通信行道经常是随时间变化的,二是多个用户之间常常存在干扰。无线通信技术还需要克服时变性和干扰。由于这个原因,无线通信中的信道建模以及调制编码方式都有所不同。
1.无线数字通信中盲源分离技术分析
盲源分离(BSS:Blind source separation),是信号处理中一个传统而又极具挑战性的问题,BSS指仅从若干观测到的混合信号中恢复出无法直接观测的各个原始信号的过程,这里的“盲”,指源信号不可测,混合系统特性事先未知这两个方面。在科学研究和工程应用中,很多观测信号都可以看成是多个源信号的混合,所谓“鸡尾酒会”问题就是个典型的例子。其中独立分量分析ICA(Independent component analysis)是一种盲源信号分离方法,它已成为阵列信号处理和数据分析的有力工具,而BSS比ICA适用范围更宽。目前国内对盲信号分离问题的研究,在理论和应用方面取得了很大的进步,但是还有很多的问题有待进一步研究和解决。盲源分离是指在信号的理论模型和源信号无法精确获知的情况下,如何从混迭信号(观测信号)中分离出各源信号的过程。盲源分离和盲辨识是盲信号处理的两大类型。盲源分离的目的是求得源信号的最佳估计,盲辨识的目的是求得传输通道混合矩阵。盲源信号分离是一种功能强大的信号处理方法,在生物医学信号处理,阵列信号处理,语音信号识别,图像处理及移动通信等领域得到了广泛的应用。
根据源信号在传输信道中的混合方式不同,盲源分离算法分为以下三种模型:线性瞬时混合模型、线性卷积混合模型以及非线性混合模型。
1.1 线性瞬时混合盲源分离
线性瞬时混合盲源分离技术是一项产生、研究最早,最为简单,理论较为完善,算法种类多的一种盲源分离技术,该技术的分离效果、分离性能会受到信噪比的影响。盲源分离理论是由鸡尾酒会效应而被人们提出的,鸡尾酒会效应指的是鸡尾酒会上,有音乐声、谈话声、脚步 声、酒杯餐具的碰撞声等,当某人的注意集中于欣赏音乐或别人的谈话,对周围的嘈杂声音充耳不闻时,若在另一处有人提到他的名字,他会立即有所反应,或者朝 说话人望去,或者注意说话人下面说的话等。该效应实际上是听觉系统的一种适应能力。当盲源分离理论提出后很快就形成了线性瞬时混合模型。线性瞬时混合盲源分离技术是对线性无记忆系统的反应,它是将N个源信号在线性瞬时取值混合后,由多个传感器进行接收的分离模型。
20世纪八、九十年代是盲源技术迅猛发展的时期,在1986年由法国和美国学者共同完了将两个相互独立的源信号进行混合后实现盲源分离的工作,这一工作的成功开启了盲源分离技术的发展和完善。在随后的数十年里对盲源技术的研究和创新不断加深,在基础理论的下不断有新的算法被提出和运用,但先前的算法不能够完成对两个以上源信号的分离;之后在1991年,法国学者首次将神经网络技术应用到盲源分离问题当中,为盲源分离提出了一个比较完整的数学框架。到了1995年在神经网络技术基础上盲源分离技术有了突破性的进展,一种最大化的随机梯度学习算法可以做到同时分辨出10人的语音,大大推动了盲源分离技术的发展进程。
1.2 线性卷积混合盲源分离
相比瞬时混合盲源分离模型来说,卷积混合盲源分离模型更加复杂。在线性瞬时混合盲源分离技术不断发展应用的同时,应用中也有无法准确估计源信号的问题出现。常见的是在通信系统中的问题,通信系统中由于移动客户在使用过程中具有移动性,移动用户周围散射体会发生相对运动,或是交通工具发生的运动都会使得源信号在通信环境中出现时间延迟的现象,同时还造成信号叠加,产生多径传输。正是因为这样问题的出现,使得观测信号成为源信号与系统冲激响应的卷积,所以研究学者将信道环境抽象成为线性卷积混合盲源分离模型。线性卷积混合盲源分离模型按照其信号处理空间域的不同可分为时域、频域和子空间方法。
1.3 非线性混合盲源分离
非线性混合盲源分离技术是盲源分离技术中发展、研究最晚的一项,许多理论和算法都还不算成熟和完善。在卫星移动通信系统中或是麦克风录音时,都会由于乘性噪声、放大器饱和等因素的影响造成非线性失真。为此,就要考虑非线性混合盲源分离模型。非线性混合模型按照混合形式的不同可分为交叉非线性混合、卷积后非线性混合和线性后非线性混合模型三种类型。在最近几年里非线性混合盲源分离技术受到社会各界的广泛关注,特别是后非线性混合模型。目前后非线性混合盲源分离算法中主要有参数化方法、非参数化方法、高斯化方法来抵消和补偿非线性特征。
2.无线通信技术中的盲源分离技术
在无线通信系统中通信信号的信号特性参数复杂多变,实现盲源分离算法主要要依据高阶累积量和峭度两类参数。如图一所示,这是几个常见的通信信号高阶累积量。
在所有的通信系统中,接收设备处总是会出现白色或是有色的高斯噪声,以高阶累积量为准则的盲源分离技术在处理这一问题时稳定性较强,更重要的是对不可忽略的加性高斯白噪声分离算法同时适用。因此,由高阶累积量为准则的盲源分离算法在通信系统中优势明显。
分离的另一个判据就是峭度,它是反映某个信号概率密度函数分布情况与高斯分布的偏离程度的函数。峭度是由信号的高阶累积量定义而来的,是度量信号概率密度分布非高斯性大小的量值。
Master的“过人之处”
2016年年末,围棋界对阿尔法狗留下的心理阴影正在消散,这不单是因为在线围棋网站上冒出了更多AI棋手―如日本的DEEPZEN、中国的“绝艺”――更重要的是,人类棋手在与之较量时互有胜负。特别是当中国第一高手柯洁曾完胜“绝艺”的升级版“刑天”(被认为棋力相当于阿尔法狗)一局并宣称可以找到AI漏洞后,人类棋手欢欣鼓舞。
可是,Master就是在这样的背景下登场并毫无悬念地收割胜利的。赛后,棋圣聂卫平感喟“我们无法像电脑那样从不犯错”,而柯洁则连连慨叹,“人类数千年的实战演练进化,计算机却告诉我们全都是错的……”那么,Master究竟强在哪里呢?阿尔法狗研发团队的黄士杰博士表示,其“过人之处”即在于背靠多组超级计算机组成的卷积神经网络,这使得Master不仅具备类似人脑的“策略网络”(选择某一手棋的最优下法),更拥有人类难以企及的“价值网络”(判断每一步静态棋局的精准胜率)。与此同时,Master还可以通过每天自我对弈数十万局来增长棋力――人类棋手一年最多下1000局。由此,Master得以抛开事倍功半的穷举分析,并以闪电般的高效应对使人类棋手难以招架。
电脑将“学会”文化创意
对计算机而言,一切任务都是逻辑运算,而算法和算力是提升效率的主要指标。优化算法可以更轻易地解决问题,提升算力则能在单位时间内获得更多成果。当一项活动具备逻辑运行特征时,即可交由计算机执行;其中的变化规则越多地被掌握,计算机越是容易立于不败之地。国际象棋就是一个例子,由于棋路变化相对简单,今天安装在手机上的对弈程序都已经有了国际特级大师的棋力。专业级弈棋程序(如Rybka)几乎已经算尽棋路,在与人类棋手对决时稳居上风。
常人的直觉是,计算方面输给电脑是正常的,文化创意方面人类则是永远的赢家。而事实上,文艺创作活动也可以通过算法转化为逻辑运算。著名科幻作家刘慈欣就曾开发过一款写诗软件,设定创作一首三行诗,韵脚为a,按下“生成”就跳出结果:“伏特加,请雾化吧!悬崖,请磁化吧!我们都是哗哗啦啦的筹码,我们要挣扎!”而如果在这一领域树立一尊“圣杯”,那无疑是尝试创造博尔赫斯笔下的“通天塔图书馆”。这座由小说家臆想出来的图书馆中,收藏着以不同字符、数字、标点符号组合而成的所有文本――既包括我们读过的书,也包括消逝在历史尘埃中的书,更包括尚未被写出的书……计算机通过罗列全部组合的方式来缔造这个图书馆,不断优化的算法会通过剔除大量无意义结果来为算力减压。
当代的计算机尚无法构建这个图书馆,正如它们还无法穷尽围棋套路的变化那样。但处理器性能是以指数级速度发展的,1946年人类第一台电子计算机“埃尼阿克”的算力在今天连手持计算器都不如,我们又怎能设想一个世纪后的电脑将强大到何种程度呢?可以确定的是,一旦计算机可以“创作”,那么它也必然会攻克音乐、绘画等人文艺术领域,人类灵感创意的专属领地将遭遇机器逻辑的入侵。
与AI共生的未来
AI(人工智能)有强、弱之分。弱人工智能只擅长某个特定领域,比如驾驶、装配或扫地吸尘。阿尔法狗亦属于此,但它的本质是一种深度学习引擎,而不是只会下围棋。按照谷歌公司的蓝图,它将被运用在协助判断早期病症等领域。强人工智能将拥有类似人类的语言、情感以及思维能力,它们在很多方面会超越人类本身,因此研发的意义不是为解决某种具体问题,而是用它们来开创出更多视界。
关键词:电厂;热工自动化;控制
一、电厂热工自动化概述
对于电厂而言,热工过程是其生产中不可或缺的重要环节之一,在该过程中,自动化技术的应用已经有比较长的历史,早期的热能动力设备自动化控制装置主要有锅炉给水调节设备、蒸汽机离心摆调速设备等等。随着科技水平的不断进步,火电机组由以往的中低压、小容量发展至现如今的高参数、大容量、单元式机组,其生产运行方式也由人工手动控制逐步转变为自动化控制,这不但使电厂生产的自动化水平显著提升,而且还为其带来了巨大的经济效益。电厂热工自动化涉及的范围相对较广,具体包括主机自动化、辅助设备自动化以及公用系统自动化等等,大体上可将之归纳为以下几个方面:测量与显示、模拟量控制、开关量控制、自动保护以及综合自动化技术。可以说热工自动化控制对于电厂运行的各个方面有着非常重要的现实意义,其不但能够确保各类设备的运行要求,而且还能实现自动化的控制操作,它的特点如图1所示。
二、电厂热工自动化技术的应用现状分析
(一)变频技术的应用
在控制系统中,变频器是一个重要的功率变换部件,主要负责为控制系统提供高性能变压变频可控的交流电源,早些年间在电厂小型电机的控制上应用较为广泛。变频调速具备调速精度高、范围广、动态响应快、工作效率高、操作便捷等优势,并且还能够取得良好的节能效果,在交流变频调速技术不断发展的情况下,变频技术也被逐步试用到电厂的水泵电机、引风机等高压电机的转速控制上。随着高压变频器可靠性的提高、投资成本的降低以及对电网谐波干扰的减少,高压变频器在节能方面的优势日益凸显,越来越多的机组大电机应用了变频调速控制,在电厂节能工作中发挥了重要作用。
(二)优化控制技术的应用
由于过程生产对控制系统的要求不断提高,从而使得传统的控制技术很难满足电厂热工流程对系统安全性、稳定性以及性能最优化方面的要求,汽温超标也成为制约电厂机组设备负荷变化响应能力的关键性因素之一。在这一背景下,大量的现代化控制方法被逐步应用到了电厂的热工过程控制当中,其中较为典型的有模拟预测控制法、模糊控制法、前馈控制法等等,这些技术和方法的有效运用进一步提升了电厂热工系统的自动化控制效果。例如,某电厂应用了SIMENS公司研发的PROFI系统,该系统中的汽温控制原理如图2所示。
在图2当中,采用了状态观测器来解决因汽温延迟引起的控制之后,焓值变增益控制器的应用有效地解决了蒸汽压力变化对温控的影响,Smith预估器的运用对导前温度的变化进行了提前控制,自学习模块的运用对减温水阀门的特性变化给予了实时补偿;烟道挡板成为再热气温控制的主要调节手段,这进一步提升了机组自身的运行效率;协调控制模块中非最小化形式描述的离散卷积和模型的运用提高了系统的鲁棒性。PROFI系统投入生产之后,AGC状态下的负荷变化响应时间大幅度缩短,主蒸汽温度偏差稳态时的温度控制在2℃以内,动态控制在5℃以内。
三、电厂热工自动化的未来发展趋势
(一)监控系统集中化
在以往的电厂监控系统中,一台或两台的机组使用一个集控室,同时电子室的小型电子设备间较多且设置在主设备的周围,以达到节省电缆的目的,在这种情况下,电厂必须配置多个辅助车间以满足运行要求。随着计算机技术的快速发展,机组容量的不断扩大,对电厂监控系统的管理要求也随之提高,这促使全厂的监控系统必须向集中化的方向发展,将单元机组容于一个控制室,以提高辅助车间的工作运行效率。在监控系统集中化的发展趋势下,电厂单元机组的电子设备间会越来越集中,为此应当利用I/O柜的配置方式分配监视信号,实现远程监控。如,浙江国华浙能宁海发电厂的监控系统曾获国家级科技创新金奖,该电厂由一个控制室同时监控四台机组,集中配置单元机组电子室,大幅度提高了机组的运行管理效率和经济效益。
(二)单元机组监控智能化
随着DCS系统被广泛应用于电厂的单元机组,促使了电厂机组的监控系统日益完善。但是,电厂的机组监控系统仍未发展到智能化控制阶段,依然存在着工作效率偏低、工作量大、耗用时间多等问题。近年来,我国冶金化工行业已经广泛应用了智能化监视控制系统,在提高经济效益和工作效率方面取得了显著成效,然而我国电力行业对智能化监视系统的应用仍处于起步阶段,尚需要不断尝试与完善。随着电子技术的快速发展,智能化、自动化已经成电厂单元机组的必然发展趋势,可以预见,单元机组智能化监控也会被广泛应用于电厂机组的监控系统中,从而提高电厂运行的经济效益和社会效益,使电厂热工自动化技术的应用适应新时期下电厂可持续发展的需要。
(三)人工智能与神经网络
在未来的热工自动化控制系统当中,可以逐步将人工智能的研究成果应用其中。传统的温度与压力控制系统一般都是以某一点的温度或是压力值作为控制依据,但在电厂的实际生产中,常常需要对多个点的温度和压力进行控制,但由于技术方面的制约,使得这种控制很难实现。现如今,随着人工神经网路技术的发展,为这种控制方案的实现提供了可能,该技术的应用,将会使控制系统的性能获得显著提升。
(四)APS技术
所谓的APS技术又称为火力发电厂自动启/停机控制系统,在具体运行时,只需要按下某个控制按钮,机组便可以根据预先设计好的程序进行启动或是停止,这样一来,便可以使集控运行人员操作次数大幅度减少,从而能够尽量杜绝人为操作不当引起的各种问题。鉴于此,APS将会成为电厂机组控制未来一段时期的重点研究方向。
(五)系统保护措施完善化
随着电厂热工自动化技术的不断发展,热工自动化系统运行的保护措施势必会更加完善,主要体现在以下三个方面:首先,做好全面调试。在完成设备安装后,要及时进行全面调试,并对重要硬件设备的调试情况做好跟踪记录。电厂热工保护系统的安全、有效运行,与系统硬件的调试情况有着直接关系,为此必须认真记录系统硬件的运行情况。尤其是保护出口卡的情况,要在每一次保护投入运行时进行设备校验,确保设备合格。其次,采用冗余思路。在电厂热工保护系统设计中,要充分结合电厂的发展现状与未来发展需要,采用冗余设计思路提高电厂自动控制系统的运行效率。再次,使用优质元件。电厂热工保护系统要配置高质量的元件,并运用成熟的技术,以提高系统的稳定性。随着电厂热控系统日趋复杂化,其对热控元件可靠性的要求也会随之提高。
结论:
总而言之,电厂肩负着电能生产的重要使命,其生产效率的高低关系重大。由于电厂生产过程中的设备相对较多,其中不乏一些大型化和复杂化的设备,尤其是在热工生产领域中,为了确保这些设备能够安全、稳定、可靠运行,必须对其进行有效控制,在这一背景下,热工自动化技术在电厂中获得了广泛应用。未来一段时期,应当逐步加大与之相关方面的研究力度,使该技术能够更好地为电厂生产服务。
参考文献
[1]彭道刚..电厂热工设备智能状态诊断分析系统软件设计[J].上海电力.2012(7).
[2]史运涛.故障诊断与容错控制在电厂热工系统中的应用研究[D].华北电力大学.2013.
[3]俞磊.提高电厂热工保护系统可靠性对策研究[J].技术与市场.2012(6).