基于相位差校正法的电力谐波分析中窗函数的研究

研究了基于相位差校正法的电力谐波分析方法,仿真比较了4种电力采样信号(无噪声、小噪声(信噪比60dB)、大噪声(信噪比40 dB)和含有间谐波)分别加4种窗函数(汉宁窗、布拉克曼一哈利斯窗、二阶卷积窗和四阶卷积窗)时谐波参数估计误差.结果表明,无噪声条件下,加卷积窗的估计精度比加余弦窗时高9-10个数量级;在有噪声条件下.几种窗函数对估计精度的影响基本一致.     

影响西林电桥准确度的因素

随着绝缘材料新产品不断开发,介质损耗tanδ逐步向10~(-4)、10~(-5)数量级发展。QS3型电桥已不能胜任。上海电动工具研究所生产的QS36型电桥类同瑞士2801型电桥能满足行业的要求。为使操作者正确、合理使用这类精密仪器,本文较系统地对电源频率、试品等效电路、标准电容C_N、仪器元件线路连接导线及电流互感器因素进行了分析。     

电工测量仪表用小弹性温度系数的张丝

电工测量仪表用的张丝,按ΓОСТ9444-60来生产,因材料不同,其标准弹性温度系数由2.5×10~(-4)到4.5×10~(-4)1/℃,但在许多情况下,在仪表制造中,对张丝提出这样的要求:在给定的温度间隔内它的标准弹性模数应具有很高的稳定度。这样,张丝的弹性温度系数就应该比在ΓОСТ 9444-60中所规定的低一个数量级。众所周知,在钟表工业中所制造的弹性元件,都是采用小的弹性温度系数的合金,其弹性温度系数不超过1×10~(-4)1/℃。如 H41XTA 和 H35XMB 就是上述性质的合金,并且     

含锌的分子筛型固体电解质的研究

本文在文献[6]的基础上,通过扩散的方法在4A分子筛中添加ZnCl_2和NH_4Cl,制备了一种含锌的分子筛型固体电解质Zn-MSE。由于其中含有超量的正、负离子并控制了适当的含水量,故Zn-MSE的电导率σ在室温下(12—14℃)达到了10~(-3)Ω~(-1)Qcm~(-1)的数量级。用Zn-MSE组装成的全固态Zn/MnO_2电池具有较优的性能。     

固态电解质Li_(10)Ge_(0.75)Si_(0.25)P_2S_(12)的制备与电化学性能研究

采用固相反应法制备了固体电解质Li_(10)Ge_(0.75)Si_(0.25)P_2S_(12)(LSiGPS),用X射线衍射光谱法(XRD)、扫描电子显微镜法(SEM)、交流阻抗技术(EIS)、用恒电流间歇滴定技术(GITT)和恒电流恒电压测试分析了LSiGPS的物相、形貌、离子导电性和锂离子的扩散系数及相对应电池的充放电特性等进行了表征,结果表明,LSiGPS具有四方结构;在-40、25、50℃等较宽广的温度范围内,固态电解质的离子导电性(7.13×10~(-4)、6.57×10-3、2.21×10~(-2) S·cm~(-1))和液态电解液的离子导电性(8.03×10~(-4)、6.72×10-3、2.55×10-2S·cm~(-1))很接近;在3.60、3.95、4.18 V时,固态电解质锂离子扩散系数(4.65×10~(-10)、0.38×10~(-10)、0.53×10~(-10) cm~2·s~(-1))和液态电解液组成的锂离子电池的离子扩散系数(5.80×10~(-10)、0.57×10~(-10)、0.70×10~(-10)cm~2·s~(-1))基本处于一个数量级;LSiGPS固态电解质有很优异的耐高温安全性,在150℃收缩率接近于零。     

用差值法测量精密稳压管2DW7C的电压温度系数

2DW7C是一种精密的标准稳压管,其电压温度系数极小(为10~(-6)数量级)。目前的测试方法是根据电压温度系数∝的定义进行的。     

在1400℃条件下粉煤的挥发份释放特性

本文介绍了较为完善的管流反应器粉煤热解反应的动量和质量传递模型,并且在1400℃和氮气气氛条件下试验研究了四种典型煤种的挥发份释放特性.试验结果表明:粉煤在1400℃条件下热解时,其温升速率为10~4K/s数量级,试验煤种的最大Q 系数可达1.510.经分析计算,得出管流反应器和电站锅炉的热力特性基本相同,二者的粒子温升速率均为10~4K/s 数量级,加热粒子的主要热源为对流热.     

精密电桥自动接地装置

本文介绍一种巧妙的自动平衡接地方法的理论,实际装置和试验结果。这种方法使得精密电桥工作容易,并避免了用一般接地装置而引起的繁复平衡手续,从而节约了所需要的时间和劳动。这种原理的有效性可用马克斯威尔——文氏(Maxwell-Wien)电桥来说明,在电桥中采用一个专用的、十分小而简单的放大器于反馈电路中。在指示器的端头上附接0.1微法的电容,在电感从1亨到1毫亨的测量范围内,对电成和1/Q 的测量引起100×10~(-6)数量级的误差。把这种原理应用到实际的电桥上,误差为10×10~(-6)数量级或更低些。本文对反馈系统的稳定性和为这种应用的实际放大器作了某些考虑。     

使用快速加窗离散希尔伯特变换和插值算法的时域无功测量方法(英文)

根据时域积分的无功测量原理,对一种基于加窗离散希尔伯特变换(windowed discrete Hilbert transform,WDHT)和矩形自卷积窗(rectangular self-convolution window,RSCW)滤波的无功测量方法进行分析,找出非同步采样条件下该方法的误差产生的根本原因,将快速加窗离散希尔伯特变换和插值算法应用于原方法的改进中,有效地提高了测量的速度和精度。理论推导证明,使用改进方法,只需将瞬时无功序列与矩形自卷积窗先做乘积再求和即可实现瞬时无功序列的滤波,其实现过程简单、计算量小。仿真中,在不考虑信号含噪的情况下分别使用2、3、4阶矩形自卷积窗,改进方法的精度相对于原方法分别提高约1、3、5个数量级。当信号含噪时,改进方法的精度整体上仍优于原方法。改进方法已成功应用于一款多功能电表的软件设计中。实验表明,使用2阶矩形自卷积窗时,改进方法的测量精度比原方法高出约1个数量级,其测量时间减少约51%。     

环境交流弱磁场测量仪

该机以法拉第电磁感应原理为基础,采用微处理器进行数据处理,实现了仪器的智能化和数字化,具有结构简单、成本低廉,工作可靠,使用方便,分辨率高等特点,它能在40～400Hz、0～10~(-4)特斯拉的范围内测量交变弱磁场,最小分辨率可达10~(-8)特斯拉。     

Pill Defect Detection Based on Improved YOLOv5s Network

To address the problems of low detection accuracy and slow speed of traditional vision in the pharmaceutical industry, a YOLOv5s-EBD defect detection algorithm: Based on YOLOv5 network, firstly, the channel attention mechanism is introduced into the network to focus the network on defects similar to the pill background, re-ducing the time-consuming scanning of invalid backgrounds; the PANet module in the network is then replaced with BiFPN for differential fusion of different features; finally, Depth-wise separable convolution is used in-stead of standard convolution to achieve the output Finally, Depth-wise separable convolution is used instead of standard convolution to achieve the output feature map requirements of standard convolution with less number of parameters and computation, and improve detection speed. the improved model is able to detect all types of defects in tablets with an accuracy of over 94% and a detection speed of 123.8 fps, which is 4.27% higher than the unimproved YOLOv5 network model with 5.2 fps.     

多通道长短期记忆卷积网络的风速预测

为提高风速的预测性能,提出了多通道长短期记忆网络和卷积网络相结合的风速预测方法。预测模型由多个长短期记忆子网络及卷积网络组成。各子网络选择不同长度的历史数据作为输入,分别实现未来风速值的计算,避免了单一网络输入数据长度参数难以确定的问题。卷积网络将各子网络的计算结果进行卷积、最大池化操作,并通过全连接层计算风速序列的预测值。为避免预测误差累积及漂移,利用误差动态补偿方法对预测值进行校正,获得最终的预测结果。多通道长短期记忆卷积网络可用于风速的超短期预测中,仿真实验结果表明,与现有基于深度学习的预测网络相比,该网络能够更好地拟合实际风速序列的变化趋势,表现出更优的预测性能。     

改进的轻量化 YOLOv4 用于电子元器件检测

针对电子行业制造机器人对电子元器件检测精度低和速度慢的问题,提出基于改进YOLOv4的电子元器件检测方法.对网络结构进行改进,利用深度可分离卷积代替PAN网络中的传统卷积,提高检测速度;利用一种具有线性瓶颈的逆残差结构代替CSP darknet53主干网络,降低模型参数,进一步提高检测效率;在检测网络YOLO head前添加注意力机制,提高检测精度.模拟工业传送带环境建立了电子元器件数据集并进行数据增强,相较于原算法,精度(mAP)提高了1.31％,速度提高了16.34 fps,权重大小从245下降到41.20 MB.研究可为相关电子行业制造机器人的研制提供技术参考.     

基于改进YOLOv4的锂电池缺陷检测方法

针对传统方法检测锂电池表面缺陷精度低、速度慢的问题,提出一种改进的YOLOv4算法。首先,在 CSPDarknet-53 骨干网络中使用空洞卷积代替传统卷积,提高了对不同尺度缺陷的检测。其次,将通道注意力机制插入到颈部网络中,自适应地选择一维卷积核的大小,降低模型的复杂度和计算量。最后,在分类和边界框回归中融合条件卷积来提高网络性能,并扩大数据集以解决由于缺陷样本太少而导致的网络训练过拟合问题。实验结果表明,改进后的YOLOv4算法可以有效检测锂电池表面缺陷并提高对于缺陷的识别和定位能力。改进算法的平均精度均值为93.46%,相较原算法提高了3.03%。     

High-Speed Numeral Filter in Impulse Voltage Measurement

Since the CPU of embed system has some limitation in operating speed, a new filter was put forward which implemented mountain template convolution by performing rectangle template convolution two times. It can obtain time and frequency localization with computational complexity greatly reduced. This algorithm was applied to lightning waveforms （include chopped waveforms） parameter calculation. It simplifies the computation and the results pretreated by this algorithm are in accord with IEC1083-2 completely. It was applied in embed system successfully. Its capability in frequency restraining was researched. The validity of the algorithm was proved in theory when processing lightning waves. The standard sources and the processing results are consistent completely.     

基于改进U-Net的轻量级输电线分割算法

为了提高输电线路的巡检效率,保证输电线的分割精度和速度,本文提出基于改进U-Net的轻量级网络GU-Net。首先,以U-Net网络为基础,在编码器部分引入轻量化主干提取网络Ghost-Net;然后采用双线性插值方法完成上采样,并利用深度可分离卷积代替部分普通卷积;最后在训练过程引入多损失函数以解决输电线和背景像素占比不平衡问题,并采用迁移学习策略训练模型。在E-Wire输电线数据集上测试,GU-Net网络的MIoU和F1-score分别为80.04%和87.77%,与现有的轻量化输电线语义分割网络Wire-Detection相比分别提升了4.26%和2.96%,且分割速度几乎没有损失,参数量约是它的20%。实验结果表明,本文提出的算法能够实现快速高效、轻量化地分割出复杂图像中的输电线。     

多目标跟踪在红外制导系统中的应用

为实现远距离对可疑目标的跟踪功能,提高红外制导的引导精度,提出了一种多抽头流水线架构的多目标跟踪方式.该方法将图像预处理、图像分割和目标检测等算法均在FPGA内部通过卷积运算实现,通过提高卷积运算速度达到实时处理的效果.试验结果表明,该方法与其他跟踪算法相比,可以自适应调整窗口大小、改变跟踪策略和自动分配窗口,提高了跟踪的多样性和可选性.该方法可以引导红外制导系统对多个目标同时进行跟踪,最终给出判据对威胁等级高的目标进行打击,具有实际应用前景.     

基于 MBDC 和双重注意力的变电站人员穿戴检测

安全帽与工作服是变电站工作人员安全的重要保障,为解决现有检测模型对其检测精度低的问题,本文提出了MBDC和双重注意力的变电站人员穿戴检测算法。该算法提出了多分支深度卷积(multi branch deep convolution, MBDC)网络增加深度可分离卷积层以增强特征提取的完备性;然后提出多通道交互注意力(multimodal interaction attention, MIA)增加模型对小目标的检测能力,并将MIA机制结合高效通道注意力(efficient channel attention, ECA)机制构成双重注意力机制,增强模型对于小目标和遮挡目标的识别精度;最后引入焦点损失函数和SIOU(scylla intersection over union)作为损失函数以解决正负样本不平衡问题并加快收敛速度。实验表明,本文算法全类平均精度达到84.88%,比原算法高9.92%,总体性能优于对比算法。     

基于改进卷积神经网络的风电轴承故障诊断策略

针对风电机组滚动轴承故障特征微弱、提取困难、诊断效率低下等问题,提出一种基于改进卷积神经网络(Convolution Neural Network,CNN)的故障诊断算法。改进CNN模型结构,在全连接层前增加新的卷积层,挖掘信号的深层特征以提高模型的泛化能力。对卷积层数据进行批归一化处理,采用带有动量的随机梯度下降训练算法来加速训练速度。详细介绍了改进CNN的工作原理,给出了采用改进CNN进行故障诊断的流程。最后利用凯斯西储大学滚动轴承数据库的数据进行验证。证明该方法不需要预先提取信号的故障特征,可直接实现对轴承的故障特征提取以及故障识别,诊断率高。     

基于深度可分离卷积的轻量级YOLOv3输电线路鸟巢检测方法

针对输电线路无人机巡检图像鸟巢检测现有方法实时性差及小目标检测能力较弱的问题,提出一种基于深度可分离卷积的轻量级YOLOv3输电线路鸟巢检测方法。首先,使用Mosaic数据增强方法增强数据集并变相提升训练集中小目标的数量;然后,在主干特征提取网络使用深度可分离卷积代替部分标准卷积,提高检测网络的速度,并降低网络参数量从而降低权重文件内存,再使用PANet代替FPN,进一步提升特征融合的能力,增强对小目标的检测能力;最后,使用标签平滑进行训练,解决由于极少量标签错误导致的网络过度自信问题和网络过拟合问题。将某供电局无人机巡检视频剪切成图像制作数据集,使用本文算法与原始YOLOv3算法进行比较,并做消融实验。实验结果表明,本文的算法逐步提升了模型的速度和精度。