考虑风力发电的电力系统小干扰稳定性分析

建立了适合小干扰稳定分析的风力发电机组的数学模型,用于研究含风电电力系统的小干扰稳定性,推导了考虑同步发电机励磁调节系统动态行为的全系统状态矩阵公式。利用特征值分析法,分析系统的小干扰稳定性。通过算例分析,表明风电场接入系统时,对系统中同步发电机强相关振荡模式的频率影响不大,但当风电出力增加时,相关振荡模式的阻尼增强,有利于系统小干扰稳定性。风电场接入受电端区域时,区域间振荡模式阻尼特性相对差一些,更容易发生振荡。     

大规模网络异常流量实时云监测平台研究

网络安全问题呈现出隐蔽性越发增强、攻击更加持久、杀伤力波及更广等特征。单一或少数的数据源很难发现更加隐蔽的异常事件,同时一些针对入侵检测的数据挖掘、神经网络、关联规则、决策分类的算法由于算法本身的原因,对于大规模的数据存在计算能力上的瓶颈。文章提出了一种基于大数据平台的大规模网络异常流量实时监测系统架构,并讨论了关键技术和方法。该平台将离线的批处理计算和实时的流式处理计算相结合,通过对流量、日志等网络安全大数据的分析,实现对于DDoS、蠕虫、扫描、密码探测等异常流量的实时监测。     

欧盟实现低成本批量生产大面积NSA

正由欧盟第七研发框架计划(FP7)提供490万欧元资助,总研发投入690万欧元,欧盟6个成员国9家企业联合科技界组成的欧洲PHOTOSENS研发团队,从2011年2月开始,致力于纳米结构传感器阵列(NSA)的低成本大规模工业化制造的关键技术与生产工艺突破,利用最先进的纳米压印光刻(Nanoimprint Lithography)技术,整合卷到卷(R2R)生产制造工艺,实现了低成本大批量制造生产大面积NSA的工业流程设计和设备样机开发,奠定了NSA进一步商业化推广应用的基础。     

特定应用片上网络的研究综述

特大规模集成电路技术的飞速发展,使得把大量的知识产权（Intellectual Property,IP）核集成到单一的芯片上形成的片上系统成为了今后微电子发展的主流趋势。片上系统面临着许多设计和制造问题,片上网络为解决片上系统的这些问题提供一种行之有效的方案。当前及今后的片上系统都主要面向特定应用或特定应用类,因此,片上网络也是面向特定应用的片上网络,对特定应用片上系统面临的问题、特定片上网络的提出、发展、和主要研究内容进行综述。     

既可照方配药,也能举一反三--评王承遇、陶瑛编著新书《玻璃表面处理技术》

玻璃表面处理是应用物理、化学、机械等方法改变玻璃的表面形态、表面化学组成、表面结构或应力状态,得到要求的物性和功能.发达国家广泛利用表面处理技术开发了新品种、提高了质量、增加了产值.国际上玻璃工业大部分利润来自功能薄膜等二次加工,产值可增加几倍.我国是一个玻璃工业大国,多年来平板玻璃产量占世界第一,日用玻璃也占有重要地位,但产品品种少、质量比较差、设备落后、生产效率低、能源消耗大、污染严重,仍是高投入、重污染、低产出的粗放型生产方式.按照我国科学发展观的要求,将循环经济概念贯彻到发展中,需要进行玻璃产品结构调整、工艺升级换代,生产出科技含量大、附加值高的产品,最有效地利用资源和节约能源,最大限度地减少环境污染,达到生态良性循环,走可持续发展的道路.玻璃表面处理具有低投入、轻污染、高产出的特点,符合循环经济的要求.但我国玻璃表面处理方面与国际先进水平相比仍有一定的差距.除引进的项目外,目前企业规模小、比较分散,大部分仍停留在传统工艺水平上,影响了产品的质量和附加值的提高.近代大规模的玻璃表面处理已不能单凭技艺,需要较高的科学技术水平和进行创新,才能生产一流的产品.为提高科学技术水平,就需要科研和教育,需要培养人才,其中科学技术书籍是必不可少的.     

大规模数据流统计中冷热流替换策略优化

对大规模数据流统计的问题进行了研究,针对大流统计的典型结构Elastic Sketch替换策略中存在的问题进行优化,优化策略解决了冷流被误判为热流插入重部的问题.针对重部中保存的不一定是最大流的问题进行优化,提出了基于最大值和组相连的替换策略,保证了存储在重部的一定是最大的流,提高了大流统计的精度,同时大大降低了热碰撞发生的概率.相比于传统的测量统计方法,在提高了测量精度的同时,减少了内存占用.     

基于卷积神经网络的直线描述方法研究

为提高直线特征匹配的可靠性,提出一种基于卷积神经网络（CNN）学习的直线特征描述方法。构建用于网络学习的大规模直线数据集,该数据集包含约20.8万对匹配直线对,每条直线用其周围的局部图像块表征。将图像块输入CNN,利用HardNet网络结构提取特征,使用三元组损失函数进行训练,输出强鲁棒性的直线特征描述子。实验结果表明,与手工设计的描述子MSLD和IOCD相比,该描述子在视角、模糊、尺度和旋转变化下均具有较好的区分性,在图像拼接应用中同样表现出良好的描述性能。     

Spark平台上利用网络加权Voronoi图的分散迭代社区聚类并行化研究

针对当下数据大规模增长对计算能力需求的急剧增长,传统独立运行的机器在大规模网络社区中执行社区检测操作时无法提供所需的数据处理能力的问题,提出一种网络加权Voronoi图的并行分散迭代社区聚类法(NWVD-PDICCM)。利用基于网络加权Voronoi图的分散迭代社区聚类方法(NWVD-DICCM)提取大型网络的有效社区结构。结合并行聚类方法,将DICCM方法的操作从串行过程转换为并行计算。利用执行并行社区聚类时的图分区,通过最小化从属工作者之间的通信来加速该过程。仿真实验结果表明,NWVD-PDICCM可以与一系列计算机架构平台共同运行,并且实现基于Spark平台的并行操作,相比其他几种较新的方法,在大规模网络数据处理能力方面得到显著提升。     

不确定语言信息下的大规模群体DEMATEL决策方法

针对现有不确定语言决策试验和评价实验(DEMATEL)方法大多仅适用于中小规模群体,且未考虑不确定语言变量采用非均匀标度的情况,探讨一种新的不确定语言信息下的大规模群体DEMATEL决策方法.首先,给出一种群体不确定语言DEMATEL矩阵的聚类方法,并对大规模群体DEMATEL意见进行合理分组;然后,定义三维不确定语言密度算子,并对大规模群体DEMATEL意见进行有效集结;最后,提出一种改进的基于不确定语言DEMATEL的指标权重确定方法,并在此基础上进行多属性决策.算例分析验证了所提方法的可行性与有效性,该方法采用非均匀标度来表征和呈现不确定语言变量,而且考虑了大规模群体决策的共识度,使得决策结果更为客观合理且更为可靠.