基于潮流迭代的配电网线损计算

在辐射状配电网线损计算中,潮流迭代计算过程所占用时间最多.考虑了配电网典型的日负荷曲线形状,通过改变潮流计算中的收敛精度和迭代次数,计算不同功率因数和有功负荷不同比例下配电网的线损,并记录其计算时间及迭代次数.比较不同影响因素下的线损计算结果,得出通过对潮流迭代过程的合理简化,不但能保持线损计算精度,也可有效地提高线损的计算速度的结论.     

公共场所智能语音交互引导系统的设计研究

为了便于人们在陌生的公共场所更加方便、快捷地找到指定地点,设计并实现了公共场所智能语音交互引导系统。首先根据场所的结构布局,利用Dijkstra算法求出最短路径,再结合语音识别的原理,提取语音特征,采用动态时间规整算法与模板进行相识匹配,实现用语音交互的方式,引导使用者到达指定地点。本系统的软件及操作界面使用MATLAB软件平台设计,经过测试,本系统在复杂的室内环境下,可以直观、快捷地实现语音交互方式下的地图导航功能,语音识别率达到87.75%。     

成型温度及时间对全胎胶粉粉末成型胶片性能的影响

通过改变粉末成型的温度(150~170℃)和时间(10~30min),确定胶粉成型的最佳工艺条件。试验结果表明,随着成型温度的增加和时间的延长,胶片的拉伸强度和拉断伸长率均增大,交联密度逐渐降低;当成型温度为170℃,成型时间为20min时,胶粉成型的性能最佳。     

施工宽缝对整体式闸首底板的受力影响研究

鉴于整体式闸首底板在顺水流方向易出现裂缝,严重危害船闸的使用安全。本文提出的设置施工宽缝的施工方案可以有效改善整体式闸首底板开裂问题。首先运用ANSYS软件建立模型,对闸首结构进行有限元分析,进一步探索出施工宽缝对整体式闸首底板的应力与变形的影响,将应力计算结果转换成内力,最终研究出满足工程要求的最优合缝时间和设缝位置,从而为整体式船闸的施工提供参考。     

基于时间序列分析的工业控制以太网流量异常检测

为提高工业网络中异常流量的检测精度,提出了基于结构时间序列分析的流量异常检测方案,将工业以太网流量分解成不同组分,并辅以状态空间模型,将复杂的网络流量进行分层建模,从而有效提高了工业网络异常流量检测精度,降低了误报率.与传统的X-12结构时间序列分析法相比,其平均精度上升38%,所以本文方法对于异常检测系统的效率改善明显.     

高阶马尔可夫链无线链路连通性建模

针对动态无线网络对高精度链路连通性建模的需求,结合无线电波传播特性和节点运动模式,基于高阶马尔可夫链建立链路连通性模型.采用统计方法获取模型参数转移概率矩阵,并利用模型评估链路生命时间等网络特性参数.通过仿真实验分析链路生命时间精度与马尔可夫链阶数的对应关系.研究表明,链路生命时间精度随着马尔可夫链阶数增加而提高,四阶以上马尔可夫模型生成的链路生命时间精度提升不明显.相比多状态一阶马尔可夫链路连通性模型,四阶马尔可夫模型在仿真链路生命时间时误差降低68%.     

直接驱动XY平台位置域轮廓跟踪控制

针对直接驱动XY平台轮廓误差近似模型建立困难的问题,提出一种提高轮廓跟踪性能的位置域轮廓跟踪控制方法.通过将双轴运动系统等效为主-从运动方式,主动轴(X轴)以位置量作为自变量,将从动轴(Y轴)的运动描述为不同轮廓跟踪要求的X的函数.通过从时域到位置域的一一映射,得到双轴运动系统的位置域动态模型.提出了位置域PD控制策略,主动轴运动以自身为参考产生的位置跟踪误差为零,仅有从动轴的运动跟踪误差影响到了最后的轮廓误差.仿真结果表明,位置域轮廓控制相比时域轮廓控制能够获得更好的跟踪精度.     

基于映射函数的对流层双向时间比对斜延迟分析

设计了利用对流层散射通信进行双向时间比对方法,对比分析了NMF、VMF1和GMF共3种映射函数特征和参数选取方法,简化并假设对流层大气层,提出了基于映射函数进行对流层双向时间比对斜延迟分析的方法,选取东北亚中纬度地区的4个代表性GPS测站进行了对比分析。根据所选测站的地理位置情况和探空数据分析表明,所选测站间的斜延迟呈现年周期余弦函数分布特征,且大致呈夏季最大冬季最小分布,且3种映射函数下斜延迟大致相同,GMF有实时获得的优势。研究了高度角变化条件下的斜延迟误差分布,运算结果表明斜延迟误差也近似呈余弦函数分布,且夏季最小冬季最大,在误差角为0.01°时,最大延迟误差对应的时延约为0.2ns。     

能量有效的频谱感知与接入策略联合优化算法

针对认知无线电网络中次用户节点能量受限问题,提出了一种联合考虑频谱感知和接入策略的能量有效优化算法。根据主用户非时隙接入信道可能与次用户发生碰撞的特点,基于连续时间马尔科夫理论对次用户的频谱感知和接入策略进行建模,在满足碰撞概率约束的条件下,通过合理设置次用户的感知时间和接入概率实现了感知性能与传输能效的有效折衷。仿真结果表明,相对于仅考虑感知时间或接入概率的传统优化算法,所提算法可使次用户的能量有效性得到显著提高。     

多变量时间序列CAR模型在短期光伏发电量预测中的应用

提出一种采用多变量自回归时间序列CAR(Controlled Auto-regressive)模型作为预测光伏电站发电量的方法。该方法利用灰色关联度分析影响光伏发电量的关键气象环境因子,结合光伏电站历史数据,基于CAR模型建立了短期光伏发电量预测模型。以华中科技大学电力电子研究中心18kWp并网光伏电站资料进行预测试验,并通过调整模型参数获得了适合的模型,结果验证了该方法的有效性。应用结果表明,天气良好时,预测精度较高,对光伏电站发电管理具有一定的参考价值。