电缆化配电系统高频谐振频移方法

为解决电缆化配电网高频谐振问题,提出了一种基于配电网阻抗重构的高频谐振频移方法。首先,分析了电缆化配电网高次谐波源与高频谐振的产生机理。其次,给出了电缆化配电网阻抗重构的高频谐振频移方法,并比较不同无源阻抗重构后的频移及谐振峰抑制效果。然后,结合实际工程案例,利用系统函数绘出伯德图与根轨迹评价该方法对高频谐振治理效果以及系统稳定性的影响,验证了基于电缆化配电网阻抗重构的高频谐振频移方法的有效性,最后研究了无源阻抗参数变化对配电网高频谐振的影响。     

并网变换器电流重构模型预测容错控制

当传统并网变换器发生桥臂故障时,通过连接故障相到直流侧电容中点,重构为三相四开关容错运行结构。针对三相四开关容错变换器的交流电流传感器故障问题,提出了一种基于电流重构的模型预测功率控制方法。首先,利用采样的直流电流和正常交流传感器信息,并根据变换器电压矢量与电流关系重新构造出三相电流。其次,建立容错变换器功率预测模型,利用重构电流参与容错变换器的模型预测控制,应用使代价函数取得最小值的开关矢量。最后,搭建仿真和实验平台进行验证,结果表明所提控制策略有效,输出功率稳定,实现了并网变换器在桥臂和传感器双重故障下的容错运行,提高了系统的可靠性。     

汽车仪表板模型表面的反向工程重构技术

曲面重构技术是反向工程的重要组成部分,在工业制造、医疗、艺术、军事等应用领域意义重大,已成为国内外的研究热点.对于反向工程的研究内容,数据获取方法、曲面重构技术理论和相关软件进行了介绍,并举例重点阐述了一些典型的方法.     

基于Pro/E的汽车覆盖件模具反求

论述了逆向工程技术在汽车覆盖件模具开发中的应用研究。基于Pro／E的开发平台，结合产品的特点，系统地介绍了产品的开发流程以及相关的关键问题。     

反求工程的产品几何建模技术研究

分析了目前在反求工程产品几何建模中广泛应用的曲面模型的局限性，指出反求工程为实现创新功能必须采用产品特征模型，提出了基于实体造型的特征建模方法。这种方法可以避免曲面模型的缺陷，拓宽反求工程的应用范围，是实现三维重构的新方法。探讨了有关的理论和关键技术。     

小波神经网络的数据压缩技术在超声自动探伤系统中的应用

为了实现对大型回转体零件内部缺陷的检测与识别,研制了超声波自动检测系统.系统主要完成超声信号的采集和处理、数据的实时存储、缺陷的在线分析与识别等功能.要实现缺陷的在线检测与识别,必然需要大量的原始数据,为了减少数据的存储量,通过小波神经网络提取相应的权重因子,构成小波基的尺度参数和与之对应的平移参数,实现缺陷有用信息的压缩;在缺陷数据重构中,利用上述特性参数并结合信号的特征值,对信号进行拟合.解决了缺陷检测现场大量数据的保存问题,为缺陷的进一步识别提供了基础.     

压缩感知及其图像处理应用研究进展与展望

压缩感知理论（Compressed sensing,CS）通过少量的线性测量值感知信号的原始结构,并通过求解最优化问题精确地重构原信号.该理论减少了数字图像及视频 获取时的存储及传输代价,也为后续的图像处理及识别的研究提供了新的契机,促进了理论和工程应用的结合. 阐述了CS的基本原理,综述了其关键技术稀疏变换、观测矩阵 设计、重构算法的一系列最新理论成果和发展,深入分析和比较了CS理论应用到图像处理领域的研究和发展状况,总结了其中存在的问题,并对未来的应用前景进行了展望.     

一位可重构三值光学处理器的设计和实现

文中对可重构三值光学处理器的原理和基本结构进行了详细的实验研究,证明了这种处理器的可重构性和重构电路的有效性.本次研究设计了实用的重构电路,使用小规模FPGA芯片、笔段式液晶显示器和高速光强传感器等元件,成功构造了一个像素位的可重构三值光学处理器.在实现的实验系统上,通过精心选择的50个实验用例,对三值光学处理器的全部42个基元和28个代表性逻辑运算器进行了研究.50个实验用例覆盖了所有可能的输入状态和各种基元组合情况.该文是对降值设计理论的第一次全面实践,为可重构三值光学处理器从理论到实际应用提供了实验基础和技术支持.     

基于一次投影子空间追踪的压缩感知信号重构

为了降低信号重构算法的复杂度,实现对稀疏度未知信号的重构,提出了一种基于一次投影子空间追踪(OPSP)的信号重构方法。首先根据约束等距性质确定信号稀疏度的上下界,并将最接近上下界中值的整数作为稀疏度的估计值;然后在子空间追踪(SP)算法的框架下,去掉了迭代中观测向量在支撑集上的投影过程,降低了算法的复杂度。为了更准确地衡量算法的重构性能,提出用完整信号的重构概率作为衡量算法重构性能的指标。与传统的SP算法相比,所提算法可以重构稀疏度未知的信号,且重构时间短,重构概率高。仿真结果验证了该算法的有效性。     

基于局部重构的无监督特征选择方法

利用局部线性嵌入(LLE)算法中获得局部邻域之间的重构关系与使用最小角回归方法解决L1归一化问题都使用回归方法,针对在通过映射获得低维嵌入空间与通过特征选择获得低维空间上有着一致的思想,提出一种能保持局部重构关系的无监督谱特征选择方法.该方法利用最小二乘法计算样本的邻域重构系数,并用这些系数表示样本之间的关系,通过解决稀疏特征值问题获得能够保持样本间关系的低维嵌入空间,最后通过解决L1归一化问题实现自动特征选择.通过在四个不同数据集上的聚类实验结果证明,该方法能更准确地评价每个特征的重要性,能自动适应不同的数据集,受参数影响更小,可以明显提升聚类效果.